公开(公告)号：CN110243834B

公开(公告)日：2020-03-31

申请号：CN201910622973.1

申请日：2019-07-11

Applicant: 西南交通大学

Inventor： 苟先太 ,  郭竞 ,  张葛祥 ,  刘琪芬 ,  邓方 ,  薛宏强 ,  付丰鸿 ,  余志斌

IPC: G01N21/88

Abstract: 本发明公开了一种基于知识图谱的变压器设备缺陷分析方法，其包括接收变压器的缺陷现象，构成部件表征矩阵；获取与构成部件相关的所有特征状态并构建形成关联矩阵；提取与特征状态相关的缺陷现象，并构建形成细化关联矩阵；提取与缺陷现象对应的所有量级特征，并构建量级特征矩阵；采用softmax算法和初始中间变量，计算权重因子，并采用所有的权重因子构成权重矩阵；根据权重矩阵和量级特征矩阵，计算故障原因向量，并将迭代次数累加一次；当迭代次数小于迭代阈值时，更新初始中间变量，之后返回权重因子计算步骤；当迭代次数大于等于迭代阈值时，采用最后一次计算的故障原因向量计算量级特征矩阵对应故障原因的概率向量。

公开(公告)号：CN110243834A

公开(公告)日：2019-09-17

申请号：CN201910622973.1

申请日：2019-07-11

Applicant: 西南交通大学

Inventor： 苟先太 ,  郭竞 ,  张葛祥 ,  刘琪芬 ,  邓方 ,  薛宏强 ,  付丰鸿 ,  余志斌

IPC: G01N21/88

Abstract: 本发明公开了一种基于知识图谱的变压器设备缺陷分析方法，其包括接收变压器的缺陷现象，构成部件表征矩阵；获取与构成部件相关的所有特征状态并构建形成关联矩阵；提取与特征状态相关的缺陷现象，并构建形成细化关联矩阵；提取与缺陷现象对应的所有量级特征，并构建量级特征矩阵；采用softmax算法和初始中间变量，计算权重因子，并采用所有的权重因子构成权重矩阵；根据权重矩阵和量级特征矩阵，计算故障原因向量，并将迭代次数累加一次；当迭代次数小于迭代阈值时，更新初始中间变量，之后返回权重因子计算步骤；当迭代次数大于等于设定阈值时，采用最后一次计算的故障原因向量计算量级特征矩阵对应故障原因的概率向量。

公开(公告)号：CN110309155B

公开(公告)日：2020-05-12

申请号：CN201910611153.2

申请日：2019-07-08

Applicant: 西南交通大学

Inventor： 苟先太 ,  邓方 ,  郭竞 ,  张葛祥 ,  刘琪芬 ,  薛宏强 ,  付丰鸿

IPC: G06F16/22 ,  G06F21/60

Abstract: 本发明公开了一种基于数据库技术和分层数据的图像数据管理系统及方法，结合数据库技术和分层数据格式，解决了当前图像数据管理中存在的效率不高和安全系数低的问题，开发支持多种元数据、检索方便、灵活直观的图像数据管理系统。本发明使用数据库表单元存储元数据，检索方便、灵活直观，且支持多种数据格式。本发明使用分层数据格式存储文件数据，用户不可通过操作系统直接访问查看数据，分层数据结构存储大量图像数据后，通常非常庞大，难以被直接拷贝或删除，降低了数据加密的成本，也降低了数据泄露、误删的风险。本发明的分层数据格式中，可同时对多种数据进行存储，扩展性极强，使数据更为简练，增强了系统数据管理的能力。

公开(公告)号：CN110309155A

公开(公告)日：2019-10-08

申请号：CN201910611153.2

申请日：2019-07-08

Applicant: 西南交通大学

Inventor： 苟先太 ,  邓方 ,  郭竞 ,  张葛祥 ,  刘琪芬 ,  薛宏强 ,  付丰鸿

IPC: G06F16/22 ,  G06F21/60

Abstract: 本发明公开了一种基于数据库技术和分层数据的图像数据管理系统及方法，结合数据库技术和分层数据格式，解决了当前图像数据管理中存在的效率不高和安全系数低的问题，开发支持多种元数据、检索方便、灵活直观的图像数据管理系统。本发明使用数据库表单元存储元数据，检索方便、灵活直观，且支持多种数据格式。本发明使用分层数据格式存储文件数据，用户不可通过操作系统直接访问查看数据，分层数据结构存储大量图像数据后，通常非常庞大，难以被直接拷贝或删除，降低了数据加密的成本，也降低了数据泄露、误删的风险。本发明的分层数据格式中，可同时对多种数据进行存储，扩展性极强，使数据更为简练，增强了系统数据管理的能力。

公开(公告)号：CN109872317A

公开(公告)日：2019-06-11

申请号：CN201910131289.3

申请日：2019-02-22

Applicant: 西南交通大学

Inventor： 苟先太 ,  刘琪芬 ,  郭竞 ,  邓方 ,  薛宏强 ,  张鹏举

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于电力设备缺陷识别学习模型的缺陷识别方法。本发明是基于多层标签标注和识别、特征提取、边界框回归和分类器技术集中整合的新型学习模型，在模型中采用聚类算法取代先验概率，对电力设备样本训练生成训练集，可以实时检测电力设备类型和缺陷，保证了缺陷识别的准确性和高效性，保障了电力设备的安全运行。提高电力设备状态监测和缺陷识别的自动化程度，研发电网大数据分析处理体系，创新电力设备缺陷识别技术理念，促进电力系统领域的技术发展。将先进技术运用于电力系统领域，节约人力资源和时间管理成本，促进领域发展。