基于多参数信息融合的ICPT系统中金属异物检测：以迁移字典学习为方法

《CPSS Transactions on Power Electronics and Applications》：Metal foreign object detection in ICPT system via multi-parameter information fusion: Based on transfer dictionary learning

　　

摘要：

针对感应耦合电力传输（ICPT）系统中金属异物检测（FOD）的可靠性挑战，首先提出了一种基于增量传输双字典学习的故障分类策略。该方法首先构建了一个安全字典和一个基础异物字典，并引入了重建误差比作为决策标准以实现金属异物的故障诊断。随后，为了进一步提高泛化能力，将增量传输学习集成到字典模型中。这包括使用少量未知金属样本动态更新异物字典，通过添加新元素和微调来快速适应新的异物特征。最后，对训练好的模型进行了评估。实验结果表明，该方法在传输后对不熟悉的金属异物的召回率超过95%，验证了该检测方法的有效性。该方法保留了无监督学习的优势，同时不需要检测线圈，显著增强了其对复杂应用场景的适应性。