-
公开(公告)号:CN118057368A
公开(公告)日:2024-05-21
申请号:CN202211444033.6
申请日:2022-11-18
Applicant: 武汉纺织大学
IPC: G06F18/213 , G01R31/12 , G06F18/2415 , G06F18/28 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0985
Abstract: 本发明涉及局部放电信号处理技术领域,且公开了基于注意力深层网络的局部放电信号故障智能检测方法,所述方法包括:获取待测局部放电信号数据;将待测局部放电信号数据输入局部放电信号输出模块进行处理获得PRPD图谱数据;将获得的PRPD图谱数据输入注意力深层网络模型中进行模式识别,得到待测局部放电信号的识别结果。该基于注意力深层网络的局部放电信号故障智能检测方法,通过引入注意力深层网络,为各种无线电信号提供了通用的特征提取框架,避免繁琐的手动选择特征,并将传统简单注意力神经网络进行优化,从而获得注意力分布,即权重分配更科学的网络;采用注意力机制对特征图进行加权和组装,以选择最具辨别力的特征,可以进一步减少计算负担,使特征更具代表性。
-
公开(公告)号:CN118013208A
公开(公告)日:2024-05-10
申请号:CN202211399000.4
申请日:2022-11-09
Applicant: 武汉纺织大学
IPC: G06F18/15 , G06N3/0464 , G06N3/08 , G01R31/12
Abstract: 本发明涉及局部放电信号处理技术领域,且公开了基于可分离卷积神经网络的局放信号去混叠方法,所述方法包括:获取原始局部放电信号数据;对原始局部放电信号进行预处理;将预处理后的局部放电信号有序化获得一维有序局部放电信号;将一维有序局部放电信号输入局部放电信号频域混叠分离网络中。该基于可分离卷积神经网络的局放信号去混叠系统及方法,提供了一个能够修复分离信号的网络模型,通过可分离卷积神经网络模型(ScNet)将输入的混叠信号进行编码、分离、解码,再通过信号恢复网络模型(Signal Recovery)将分离后的混叠信号补全或者去冗余,使其恢复成一个相对完美的局部放电信号,为后续精确地局部放电信号识别奠定了良好的基础。
-