-
公开(公告)号：CN118471254B
公开(公告)日：2024-10-11
申请号：CN202410918593.3
申请日：2024-07-10
Applicant: 南昌工程学院
IPC: G10L25/30 , G10L25/51 , G10L25/24 , G10L21/0272 , G10L21/0208 , G06N3/0475 , G06N3/094 , G01H17/00
Abstract: 本发明公开了一种变压器声纹信号样本扩充方法，使用声音采集装置采集变压器声纹信号，并通过LMS自适应滤波方法对采集到的变压器声纹信号进行滤波处理，分离出变压器运行声音和外界环境干扰噪声，得到滤波后的变压器声纹信号，构成变压器声纹信号数据集；对滤波后的变压器声纹信号进行MFCC特征提取，得到MFCC参数；使用改进瞪羚优化算法优化MFCC参数，得到最优MFCC参数；构建生成对抗网络；将构建好的生成对抗网络模型用于变压器声纹信号样本的生成。本发明具有较好的泛化性，可用于变压器声纹信号样本扩充。
-
公开(公告)号：CN119479700B
公开(公告)日：2025-04-15
申请号：CN202510042422.3
申请日：2025-01-10
Applicant: 国家电投集团江西电力工程有限公司 , 南昌工程学院
Inventor： 孙艳秋 , 邓仁青 , 刘川 , 康兵 , 童浪兴 , 张肆化 , 喻国辉 , 章卓航 , 孙健 , 徐玮 , 余景瀚 , 刘定坤 , 秦桐 , 王雷 , 李梦宇 , 夏夷茨 , 董小伟
Abstract: 本发明属于电力设备在线检测领域，涉及一种基于波搜索优化的新能源场站变压器声纹故障诊断方法，将经过预处理的变压器声纹信号，分别经由梅尔滤波器和Gammatone滤波器处理，从而提取梅尔频率倒谱系数和伽马通频率倒谱系数，然后进行线性组合，并应用引入L2范数正则化后的Fisher值进行筛选，获得优化后的混合倒谱系数特征，而后形成特征训练集；使用改进后的波搜索算法优化BP神经网络，选取出最优正则化参数和动量因子；采集新能源场站变压器实时运行时的变压器声纹信号组成测试集，将测试集导入训练后的BP神经网络模型，判断变压器是否故障并导出故障类型。本发明可降低训练的损失率，提高声纹故障检测准确率。
-
公开(公告)号：CN119380755A
公开(公告)日：2025-01-28
申请号：CN202411962793.5
申请日：2024-12-30
Applicant: 南昌工程学院
IPC: G10L25/51 , G10L25/03 , G10L25/30 , G06F18/23213 , G06F18/2337 , G06N3/04 , G06N3/0499 , G06N3/084 , G06N3/086 , G01R31/12
Abstract: 本发明公开了一种基于改进神经网络的变压器故障诊断方法，该方法针对传统变压器故障诊断存在的效率低下和诊断结果主观性强的问题，提出了一种基于改进算法的故障诊断技术。首先对变压器声纹数据进行预处理，通过模糊聚类C均值聚类算法进一步处理预处理后的声纹特征，对声纹特征进行标注并以此获取数据集。接着构建基于改进河马算法优化的神经网络模型，通过河马算法优化神经网络的参数，提高模型的搜索和收敛性能。本发明不仅提升了故障诊断的效率和准确性，还增强了模型的泛化能力，为变压器的维护和故障预防提供了有力的技术支持。
-
公开(公告)号：CN118656731B
公开(公告)日：2024-11-19
申请号：CN202411066900.6
申请日：2024-08-06
Applicant: 南昌工程学院
IPC: G06F18/2415 , G06N3/047 , G06N3/006 , G01R31/12
Abstract: 本发明公开了一种基于神经网络的变压器局部放电检测方法，包括：S1：采集变压器历史运行时局部放电的信号数据，根据风险类型对信号数据分别进行标记，以此构建数据集，对数据集进行预处理获取特征数据集；S2：构建概率神经网络模型，导入S1中的特征数据集至概率神经网络模型进行训练，在训练过程中，通过苦鱼算法优化概率神经网络模型的平滑因子，获取最优的平滑因子；S3：采集变压器实时运行时局部放电的信号数据并进行预处理，将其导入训练后的概率神经网络模型进行检测，输出变压器实时的局部放电的风险类型。本发明采用改良的苦鱼算法优化概率神经网络的方法，极大地提高了检测的准确性。
-
公开(公告)号：CN119479700A
公开(公告)日：2025-02-18
申请号：CN202510042422.3
申请日：2025-01-10
Applicant: 国家电投集团江西电力工程有限公司 , 南昌工程学院
Inventor： 孙艳秋 , 邓仁青 , 刘川 , 康兵 , 童浪兴 , 张肆化 , 喻国辉 , 章卓航 , 孙健 , 徐玮 , 余景瀚 , 刘定坤 , 秦桐 , 王雷 , 李梦宇 , 夏夷茨 , 董小伟
Abstract: 本发明属于电力设备在线检测领域，涉及一种基于波搜索优化的新能源场站变压器声纹故障诊断方法，将经过预处理的变压器声纹信号，分别经由梅尔滤波器和Gammatone滤波器处理，从而提取梅尔频率倒谱系数和伽马通频率倒谱系数，然后进行线性组合，并应用引入L2范数正则化后的Fisher值进行筛选，获得优化后的混合倒谱系数特征，而后形成特征训练集；使用改进后的波搜索算法优化BP神经网络，选取出最优正则化参数和动量因子；采集新能源场站变压器实时运行时的变压器声纹信号组成测试集，将测试集导入训练后的BP神经网络模型，判断变压器是否故障并导出故障类型。本发明可降低训练的损失率，提高声纹故障检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN119441743A
公开(公告)日：2025-02-14
申请号：CN202510028699.0
申请日：2025-01-08
IPC: G06F18/10 , G06N3/006 , G06F18/2131
Abstract: 本发明公开了一种变压器声纹信号去噪方法，包括如下步骤：使用声音采集装置采集变压器声纹信号；采用改进山猫优化算法对时变滤波经验模态分解的带宽阈值和B样条阶数进行优化，再使用优化后的时变滤波经验模态分解将采集到的变压器声纹信号分解成本征模态函数；采用滑动窗对本征模态函数进行分段截取，并且将截取后的本征模态函数构建成三阶信号张量；将构建的三阶信号张量输入贝叶斯高斯张量分解模型中进行分解重构，再根据张量构造逆过程将重构后的三阶信号张量还原成一维向量；本发明运用改进后的山猫优化算法优化时变滤波经验模态分解的参数，避免了分解时的混叠现象。
-
公开(公告)号：CN119441743B
公开(公告)日：2025-05-13
申请号：CN202510028699.0
申请日：2025-01-08
IPC: G06F18/10 , G06N3/006 , G06F18/2131
Abstract: 本发明公开了一种变压器声纹信号去噪方法，包括如下步骤：使用声音采集装置采集变压器声纹信号；采用改进山猫优化算法对时变滤波经验模态分解的带宽阈值和B样条阶数进行优化，再使用优化后的时变滤波经验模态分解将采集到的变压器声纹信号分解成本征模态函数；采用滑动窗对本征模态函数进行分段截取，并且将截取后的本征模态函数构建成三阶信号张量；将构建的三阶信号张量输入贝叶斯高斯张量分解模型中进行分解重构，再根据张量构造逆过程将重构后的三阶信号张量还原成一维向量；本发明运用改进后的山猫优化算法优化时变滤波经验模态分解的参数，避免了分解时的混叠现象。
-
公开(公告)号：CN118656731A
公开(公告)日：2024-09-17
申请号：CN202411066900.6
申请日：2024-08-06
Applicant: 南昌工程学院
IPC: G06F18/2415 , G06N3/047 , G06N3/006 , G01R31/12
Abstract: 本发明公开了一种基于神经网络的变压器局部放电检测方法，包括：S1：采集变压器历史运行时局部放电的信号数据，根据风险类型对信号数据分别进行标记，以此构建数据集，对数据集进行预处理获取特征数据集；S2：构建概率神经网络模型，导入S1中的特征数据集至概率神经网络模型进行训练，在训练过程中，通过苦鱼算法优化概率神经网络模型的平滑因子，获取最优的平滑因子；S3：采集变压器实时运行时局部放电的信号数据并进行预处理，将其导入训练后的概率神经网络模型进行检测，输出变压器实时的局部放电的风险类型。本发明采用改良的苦鱼算法优化概率神经网络的方法，极大地提高了检测的准确性。
-
公开(公告)号：CN118378759B
公开(公告)日：2024-09-13
申请号：CN202410806199.0
申请日：2024-06-21
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于逆向云场景聚类的风电功率区间预测方法及系统，该方法通过获取风电功率的相关气象影响因子数据、风电功率预测数据以及与实际值的误差序列；对相关气象影响因子数据进行融合降维并进行聚类；基于风电功率预测数据使用自适应带宽核密度估计构建功率预测区间；根据三维云向量特征的聚类结果对每种类型赋予不同的修正权重并使用改进的MODBO算法对修正权重进行优化；使用优化后的修正权重通过自适应带宽核密度估计重新构建误差修正后的功率预测区间。本发明可提高区间预测的质量，解决当前区间预测方案无法兼顾多种风电功率预测误差的复杂场景，且覆盖率不足，区间宽度过大的问题。
-
公开(公告)号：CN118471254A
公开(公告)日：2024-08-09
申请号：CN202410918593.3
申请日：2024-07-10
Applicant: 南昌工程学院
IPC: G10L25/30 , G10L25/51 , G10L25/24 , G10L21/0272 , G10L21/0208 , G06N3/0475 , G06N3/094 , G01H17/00
Abstract: 本发明公开了一种变压器声纹信号样本扩充方法，使用声音采集装置采集变压器声纹信号，并通过LMS自适应滤波方法对采集到的变压器声纹信号进行滤波处理，分离出变压器运行声音和外界环境干扰噪声，得到滤波后的变压器声纹信号，构成变压器声纹信号数据集；对滤波后的变压器声纹信号进行MFCC特征提取，得到MFCC参数；使用改进瞪羚优化算法优化MFCC参数，得到最优MFCC参数；构建生成对抗网络；将构建好的生成对抗网络模型用于变压器声纹信号样本的生成。本发明具有较好的泛化性，可用于变压器声纹信号样本扩充。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
