-
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：CN119474821A
公开(公告)日：2025-02-18
申请号：CN202411588964.2
申请日：2024-11-08
Applicant: 国网湖北省电力有限公司超高压公司 , 南昌工程学院
Inventor： 张子熙 , 罗浪 , 卢典 , 况静 , 胡晶 , 杨丰帆 , 万军 , 冯威 , 顾浩 , 高牧风 , 何丁义 , 李佳 , 李璐 , 姚佶 , 赵海涛 , 李钟 , 万义明 , 王宗耀 , 许志浩
IPC: G06F18/213 , G06F18/214 , G06N3/006 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种电力变压器故障识别方法，包括如下步骤：收集电力变压器各类故障的声纹样本数据，并扩充和叠加环境噪声；对叠加环境噪声后的数据进行特征提取，得到声纹信号特征，将声纹信号特征转化为特征矢量；使用改进捕鱼优化算法对CNN‑LSTM网络模型进行寻优，采用特征矢量对寻优后的模型进行训练，将训练好的模型用于电力变压器故障诊断；本发明通过采用改进捕鱼优化算法对CNN‑LSTM网络模型的学习率、批尺寸进行寻优，解决了超参数难以准确选取的问题，通过对特征量的诊断，能够实时准确的输出变电力变压器内部的情况。
-
公开(公告)号：CN119397851A
公开(公告)日：2025-02-07
申请号：CN202411539219.9
申请日：2024-10-31
Applicant: 国网湖北省电力有限公司超高压公司 , 南昌工程学院
Inventor： 张子熙 , 罗浪 , 邹沉 , 谢松 , 刘晓华 , 毕如玉 , 邓华璞 , 杨丰帆 , 姚佶 , 焦龄霄 , 张员宁 , 敖研 , 李佳 , 况静 , 武晓蕊 , 袁小翠 , 万义明 , 许志浩
IPC: G06F30/23 , G06T17/20 , G06F119/14
Abstract: 本发明涉及变压器监测技术领域，公开了一种变压器绕组故障样本的生成方法、装置、设备及介质。该方法包括：建立变压器的三维仿真模型；获取三维仿真模型在电‑磁‑力‑声多物理场共同作用下的振动加速分布云图；从振动加速分布云图中选择振动幅值最大的区域作为振动集中区域；获取变压器振动集中区域的实测振动信号和仿真振动信号；以实测振动信号和仿真振动信号的相似度最大为目标，对三维仿真模型进行优化；通过在优化后的三维仿真模型上设置变压器高低压绕组之间的相对位移量，来模拟变压器绕组的不同故障状态，并生成不同故障状态下变压器的振动数据，作为变压器绕组的故障样本，以实现变压器绕组故障样本的扩充。
-
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。
-
公开(公告)号：CN119720003A
公开(公告)日：2025-03-28
申请号：CN202411592750.2
申请日：2024-11-08
Applicant: 国网湖北省电力有限公司超高压公司 , 南昌工程学院
Inventor： 罗浪 , 张子熙 , 时伟君 , 胡卡 , 马雯君 , 余皓 , 杨丰帆 , 卢典 , 邓华璞 , 李佳 , 胡晶 , 况静 , 贺衍 , 陈洲 , 敖研 , 万义明 , 王宗耀 , 许志浩
IPC: G06F18/2433 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/006 , G06N3/0464
Abstract: 本发明公开了一种基于BGRU的干式变压器铁芯故障识别方法，包括如下步骤：采用神经网络对收集的声纹信号和红外图像样本数据进行特征提取，并计算出多模态融合特征；使用蜣螂优化算法对神经网络的动量因子进行寻优；采用多模态融合特征对寻优后的神经网络进行训练，训练完毕后得到干式变压器铁芯松动声纹识别模型；将待测声纹信号输入干式变压器铁芯松动声纹识别模型中，对干式变压器铁芯是否松动进行识别与判断；本发明通过蜣螂优化算法对神经网络的动量因子进行寻优，在不同的动量因子组合中找到更合适的值，从而提高模型的收敛速度，同时可以减小梯度下降中的波动，使训练曲线更加平滑。
-
Patent Agency Ranking
公开(公告)号：CN119475959A
公开(公告)日：2025-02-18
申请号：CN202411366544.X
申请日：2024-09-29
Applicant: 国网吉林省电力有限公司电力科学研究院 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司延边供电公司 , 武汉大学 , 南昌工程学院
Inventor： 陈捷元 , 曾福平 , 赵天成 , 金鹏 , 曹森 , 张华飞 , 张恒源 , 张赛鹏 , 董洪达 , 赵春明 , 林海丹 , 翟冠强 , 屈浏强 , 王宗耀 , 许志浩 , 万义明 , 董小伟
IPC: G06F30/27 , G06N3/006 , G06N20/10 , G06F111/08
Abstract: 本发明公开了一种基于多信息特征融合的变压器故障诊断方法及系统，该方法收集变压器运行信息和变压器声纹信号，并通过自适应无迹卡尔曼滤波算法对变压器声纹信号进行滤波处理；通过改进蛇鹭优化算法对SVM的惩罚因子C进行优化，构建ISBOA‑SVM模型；将数据输入构建好的ISBOA‑SVM模型中，获得各种故障类型的概率；采用D‑S证据理论对各个ISBOA‑SVM模型输出的故障类型的概率进行融合，确定故障类型。本发明提出的方法可以显著提升变压器故障诊断的精度，泛化能力更强。
-
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：CN119106338B
公开(公告)日：2025-03-25
申请号：CN202411595325.9
申请日：2024-11-11
Applicant: 南昌工程学院
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/006 , G01H17/00 , G06F123/02
Abstract: 本发明公开了一种变压器铁芯松动故障声纹诊断方法，包括如下步骤：利用小波变换将采集到的声纹时序数据转换成声纹特征图谱；建立基于熵权法的传感器动态响应数据融合算法，并根据声纹时序数据的相对重要程度对声纹特征图谱实时融合，得到小波动态融合声纹特征图谱；采用改进冠豪猪优化算法对改进的卷积神经网络进行优化并进行训练；将小波动态融合声纹特征图谱导入至训练后的改进卷积神经网络中进行特征提取与识别，得到最终诊断结果；本发明通过将随机游走策略和柯西变异算子分别引入冠豪猪算法的第一种防御策略和第二种防御策略，可增强算法搜索的周密性，消除局部最优解的消极影响。
-
公开(公告)号：CN119939470A
公开(公告)日：2025-05-06
申请号：CN202510030209.0
申请日：2025-01-08
Applicant: 国网湖北省电力有限公司超高压公司 , 南昌工程学院
Inventor： 罗浪 , 邓华璞 , 胡毅 , 李佳 , 赵海涛 , 姚佶 , 杨丰帆 , 赵泽予 , 李璐 , 高牧风 , 马雯君 , 吴荻玮 , 况静 , 何丁义 , 胡晶 , 袁小翠 , 万义明 , 许志浩
IPC: G06F18/2433 , G06F18/2415 , G06F18/2131 , G06F18/15 , G01R31/12 , G01H17/00 , G10L25/51 , G10L25/30 , G10L15/02 , G10L15/16 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种变压器故障识别方法，其涉及深度学习技术领域。包括：获取变压器的历史声纹信号和历史声纹信号所对应的故障类型；构建改进卷积神经网络，将历史声纹信号输入改进卷积神经网络，得到历史声纹信号的故障识别结果；基于历史声纹信号的故障识别结果和历史声纹信号所对应的故障类型，对改进卷积神经网络进行训练；将待测变压器的实时声纹信号数据输入训练好的改进卷积神经网络，得到实时声纹信号数据的故障识别结果，及根据故障识别结果判断变压器的故障类型。本发明能够有效地捕捉不同尺度下的相关性，提高变压器故障识别的准确性。
-
公开(公告)号：CN119495322A
公开(公告)日：2025-02-21
申请号：CN202411703433.3
申请日：2024-11-26
Applicant: 国网湖北省电力有限公司超高压公司 , 国网湖北省电力有限公司电力科学研究院 , 南昌工程学院
Inventor： 罗浪 , 张子熙 , 韩煦 , 王勇杰 , 汤伟 , 毕如玉 , 万军 , 杨丰帆 , 何琦 , 潘晓璐 , 童歆 , 夏天 , 吴彤 , 周凯 , 贺家慧 , 袁小翠 , 万义明 , 许志浩
Abstract: 本发明公开一种变压器故障识别方法、系统、设备及介质，涉及变压器故障识别技术领域，该方法包括：采集变压器的音频信号，并提取音频信号的混沌域多尺度分型维度特征、时域零交叉率特征和频域分数阶频谱熵特征；构建生物启发式多域神经网络模型；生物启发式多域神经网络模型包括脉冲神经网络、仿生卷积层和混沌神经网络；将提取的音频信号特征输入生物启发式多域神经网络模型，识别出变压器的故障类别；该方法不仅提高了故障识别的准确性，还能够在复杂多变的运行环境中稳定地进行故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
