-
公开(公告)号：CN109298330A
公开(公告)日：2019-02-01
申请号：CN201811418668.2
申请日：2018-11-26
Applicant: 西安工程大学
IPC: G01R31/327
CPC classification number: G01R31/3275
Abstract: 本发明公开了一种基于GHPSO-BP的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，将归一化处理后的样本数据按照特定比例分为测试样本和训练样本；步骤2：对经步骤1归一化处理后所得的训练样本，对其条件属性约简特征信息并从中提取决策规则，构建约简决策表；步骤3：将经步骤2中构建的约简决策表中的约简特征信息作为构建GHPSO-BP神经网络的输入，以此建立起基于GHPSO-BP的高压断路器故障诊断模型；步骤4：将步骤3训练获得的高压断路器故障诊断模型对步骤1中的测试集样本进行故障分类，得出故障分类结果，并统计模型诊断准确率。本故障诊断方法能够准确实现高压断路器故障诊断。
-
公开(公告)号：CN108957304A
公开(公告)日：2018-12-07
申请号：CN201810311831.9
申请日：2018-04-09
Applicant: 西安工程大学
IPC: G01R31/327 , G01K13/00
Abstract: 本发明公开了一种断路器载流故障预测方法，步骤包括：1)采集相关数据，各个监测从机通过采集相对应的断路器触头上的温度信号、电流信号和从机电源电压信号，并通过433MHz无线传送给监测主机，监测主机收到各个监测从机发送来的采集数据之后，通过与监测主机上的温湿度传感器检测出来的温湿度值进行对比，形成温升值；2)采用动态阈值算法去除奇异点数据，若两次采样增速小于Δ，采用相似日法；若增速大于Δ，则采用等效电阻分析法预测温度发展趋势；即如果增速大于Δ，则进行即时故障预测；如果增速小于Δ，则进行长期故障预测。本发明的方法，精确度高。
-
公开(公告)号：CN108717149A
公开(公告)日：2018-10-30
申请号：CN201810515552.4
申请日：2018-05-25
Applicant: 西安工程大学
IPC: G01R31/02
Abstract: 本发明公开了一种基于M-RVM融合动态加权AdaBoost的变压器故障诊断方法，首先根据变压器特征数据训练建立M-RVM分类模型；然后对测试每个训练样本进行测试，计算每个样本的信息熵；通过信息熵对训练样本进行筛选，筛选出的样本用来训练基于AdaBoost的基分类器A-MRVM；最后对待测样本进行分类，通过M-RVM分类器进行分类并计算信息熵，将信息熵与信息熵阈值进行比较，若小于阈值则M-RVM分类器分类的结果作为输出，反之则再使用多个A-MRVM基分类器对其继续分类，通过结合每个A-MRVM基分类器对待测样本的分类情况，调整基分类器的加权系数，加权集成最终强分类器，提升整个算法的诊断准确率。
-
公开(公告)号：CN105574589B
公开(公告)日：2018-03-23
申请号：CN201610007843.3
申请日：2016-01-07
Applicant: 西安工程大学
Abstract: 本发明公开的基于小生境遗传算法的变压器油色谱故障诊断方法，具体为：1)先针对具体问题对故障集选择合适的编码并输入数据产生初始种群，然后计算个体适应度，最后按照适应度大小将种群中的个体重新排队；2)对形成的初始种群进行选择、交叉、变异操作；3)经2)后，对种群进行小生境淘汰操作，重新计算适应度最终选择适应度最大的染色体，即获得了故障类型的组合，完成基于小环境遗传算法的变压器油色谱故障诊断。本发明基于小生境遗传算法的变压器油色谱故障诊断方法，采用小生境遗传算法分析故障油中气体特征信号，建立油色谱特征参数与故障类型的对应关系，实现变压运行故障的判别，具有高效、快速及自适应学习能力强的特点。
-
公开(公告)号：CN107818563A
公开(公告)日：2018-03-20
申请号：CN201711020861.6
申请日：2017-10-26
Applicant: 西安工程大学
CPC classification number: G06T7/0004 , G01C3/00 , G06T7/11 , G06T7/136 , G06T7/62 , G06T7/80 , G06T2207/10004 , G06T2207/30108
Abstract: 本发明公开了一种输电线路分裂导线间距空间测量与定位方法，具体按照以下步骤实施：首先对摄像机进行标定，计算得到摄像机的内外参数。然后将采集到的图像进行灰度化处理并用高斯滤波对图像平滑处理后采用最大类间方差法分割出导线区域；提取骨架并用最小二乘法拟合即可得到导线的轴线，计算一根导线上每一点到另一根导线的垂直距离即可得到一系列的导线间距，分别计算四分裂导线中两两导线之间的间距；最后将图像划分为左、中、右三部分，按不同的标定值将导线间距转换为空间距离，判断是否存在安全隐患。本发明具有非接触、高效监测等优点，可以及时发现不满足规程要求的导线段并采取相应的措施予以调整，消除分裂导线粘连的安全隐患。
-
Patent Agency Ranking
公开(公告)号：CN107679615A
公开(公告)日：2018-02-09
申请号：CN201710791842.7
申请日：2017-09-05
Applicant: 西安工程大学
Abstract: 本发明公开了基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N；步骤2、经步骤1后，将种群分为个体为n的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。
-
公开(公告)号：CN107656152A
公开(公告)日：2018-02-02
申请号：CN201710791918.6
申请日：2017-09-05
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于GA-SVM-BP变压器故障诊断方法，对所采集的油浸式变压器带有类标签的样本集S＝{(x1,y1),(x2,y2),…(xn,yn)}每一类按3：1比例分为训练样本和测试样本；xi代表样本属性，包含氢气、甲烷、乙烷、乙烯、乙炔五种属性，yi代表类别标签1、2、3、4、5、6，分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电；先建立DAG-SVM变压器故障诊断模型、BP神经网络，再建立GA-DAG-SVM模型与GA-BP神经网络；将GA-DAG-SVM模型与GA-BP神经网络进行结合，对变压器进行故障诊断。本发明方法能对变压器故障进行准确诊断。
-
公开(公告)号：CN104913900B
公开(公告)日：2017-10-31
申请号：CN201510299765.4
申请日：2015-06-03
Applicant: 西安工程大学
IPC: G01M9/06
Abstract: 本发明公开的输电线路覆冰导线舞动空气动力参数的测定方法，1)获取输电线路覆冰导线的舞动升力系数、舞动阻力系数及舞动扭矩系数；2)利用多台摄像机对输电线路覆冰导线进行多角度图像捕捉，通过“三塔两档”等值覆冰厚度力学计算模型获取输电线路覆冰导线上的覆冰轮廓，拟合覆冰形状，得到输电线路覆冰导线上的真实覆冰形状；3)利用惯性导航传感器结合输电线路导线覆冰舞动轨迹还原技术，获取输电线路覆冰导线实时风攻角；4)利用获得所有数据绘制真实覆冰形状下和风攻角下的空气动力参数曲线，完成对输电线路导线覆冰舞动空气动力参数的测定。本发明的测定方法能真实测定输电线路覆冰导线路舞动情况下的空气动力参数。
-
公开(公告)号：CN107292873A
公开(公告)日：2017-10-24
申请号：CN201710515376.X
申请日：2017-06-29
Applicant: 西安工程大学
CPC classification number: G06T7/0004 , G06T7/11 , G06T7/136 , G06T2207/10004 , G06T2207/20081 , G06T2207/30108
Abstract: 本发明公开了一种基于色彩特征的瓷质绝缘子灰密程度检测方法，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对思维进化算法MEA优化BP神经网络进行训练，用测试集数据进行仿真预测并判断准确率，可以实现绝缘子污秽等级的非接触、在线高效检测。本发明一种基于色彩特征的瓷质绝缘子灰密程度检测方法，解决了现有灰密程度检测方法无法在线检测的问题。
-
公开(公告)号：CN106646158A
公开(公告)日：2017-05-10
申请号：CN201611121970.2
申请日：2016-12-08
Applicant: 西安工程大学
IPC: G01R31/12
Abstract: 本发明公开的基于多分类支持向量机变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；对得到的训练样本与测试样本分别进行归一化处理，然后建立基于Bagging集成DAG‑SVM与多级支持向量机变压器故障诊断模型；利用改进二进制布谷鸟算法对得到的所有DAG‑SVM与多级支持向量机模型进行选择；利用获得的模型集合对待测样本同时检测，最后应用多数投票法得到最终结果。本发明基于多分类支持向量机变压器故障诊断提升方法，能提高变压器故障诊断的精度。
-
-
-
-
-
-
-
-
-
Search Results
430
records
(took 0.033 seconds)
