-
公开(公告)号：CN116304979A
公开(公告)日：2023-06-23
申请号：CN202310189632.6
申请日：2023-03-02
Applicant: 兰州交通大学
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G06N3/08 , G06N3/0464 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种基于注意力机制的多特征融合局部放电类型识别方法，属于电子信息技术领域，包含步骤一：通过特高频法采集变压器局部放电故障信号数据；步骤二：由采集的变压的局部放电故障信号数据构造局部放电灰度图谱（PRPD图谱）；步骤三：提取PRPD图谱统计特征构成向量S；步骤四：将变压器的PRPD图谱以及统计特征S输入基于注意力机制的多特征融合分类网络，对不同局部放电进行分类。本发明可根据不同的局部放电类型，通过多层注意力机制网络融合特征结合局部放电图谱统计特征实现分类网络的特征提取及自我学习，最终实现对不同的放电类型进行分类，进而实现对于不同故障类型的判断。
-
公开(公告)号：CN119805074A
公开(公告)日：2025-04-11
申请号：CN202510262103.3
申请日：2025-03-06
Applicant: 兰州交通大学 , 甘肃唐誉科技有限责任公司
Abstract: 本发明涉及电力变压器故障监测领域，公开了基于智能频谱感知的电力变压器故障预警系统及方法，该系统包括：变压器数据采集模块包含：频谱感知单元实时采集电力变压器运行时的电磁频谱信号，状态传感器单元采集变压器的温度、湿度和振动数据；变压器特征提取模块从预处理后的数据中提取频谱特征和状态特征后，分析得到每项特征参数的评估值，再根据各项特征参数的评估值建立变压器健康评估模型，通过变压器健康评估模型得到变压器健康评估值；故障预警模块将变压器健康评估值与预设的健康阈值范围进行比对，当变压器健康评估值超出健康阈值范围时，则启动预警机制，并根据超出健康阈值范围的程度和趋势，判断故障的严重程度和发展态势。
-
公开(公告)号：CN118916760A
公开(公告)日：2024-11-08
申请号：CN202410987120.9
申请日：2024-07-23
Applicant: 兰州交通大学
IPC: G06F18/241 , G06F18/10 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0464 , G01R31/12 , G06F123/02
Abstract: 本发明公开了一种基于时频融合特征的特高频局放信号模式识别方法，属于局部放电模式识别技术领域，该方法融合了经过动态时间规整算法进行相似性对齐后的时域信息和经过小波散射提取的时移不变、多尺度频域特征，丰富了局放脉冲信号的特征表示。具体包括步骤一：采集变压器绝缘缺陷导致的局放信号；步骤二：对数据进行预处理，周期截取，数据归一化，去噪，脉冲信号提取，数据集构建；步骤三：使用动态时间规整算法对训练集进行相似性对齐增强；步骤四：构建小波散射特征提取网络，提取数据的频域特征并进行维度变换；步骤五：融合时频域特征信息，使用融合后的数据训练分类器，最后使用参数优化后的模型对局放类型进行模式识别。
-
公开(公告)号：CN118194123A
公开(公告)日：2024-06-14
申请号：CN202410334161.8
申请日：2024-03-22
Applicant: 兰州交通大学
IPC: G06F18/241 , G06F18/213 , G06F17/10 , G06F17/16
Abstract: 一种基于相偏星座图的辐射源识别方法，涉及无线电监测领域。本发明提出了一种基于相偏星座图的辐射源特征提取方法，该方法能够去除大部分有意调制特征，实现在多种调制方式下的辐射源身份识别任务，解决了目前传统方法都是基于一种或者一类调制方式的信号实现辐射源个体识别的技术痛点，在0dB信噪比下的平均准确率达到95.26%；并提出了一种直接监督对比网络（D‑SupCon）模型，该网络能够较好地对比辐射源特征，并进行分类。在QPSK信号的数据集下，D‑SupCon表现出优于SupCon网络和传统网络的辐射源分类性能。最后采用了无线电设备搭建的通信系统产生的实测信号，进一步验证了本发明提出的方法在实际环境的有效性。
-
公开(公告)号：CN117786466B
公开(公告)日：2024-04-26
申请号：CN202410203536.7
申请日：2024-02-23
Applicant: 兰州交通大学
IPC: G06F18/24 , G06F18/22 , G06F18/213 , G01R31/12
Abstract: 本发明公开了基于智能频谱感知的信号盲识别方法，涉及电磁信号检测技术领域。通过获取时域周期T以内的变压器工作过程中的原始信号经带通滤波器，去工频且过滤频率小于#imgabs0#kHz的信号作为初始识别信号进行采样，获取采样信号的分布模型，计算采样信号的信号能量，根据采样信号的分布模型是否符合判定模型对局部放电信号是否存在进行判决，且当判定局部放电信号不存在时，将原始信号经带通滤波器，去工频，过滤频率大于#imgabs1#kHz的信号作为次级识别信号，大于#imgabs2#kHz的信号作为对比识别信号,分别提取次级识别信号及对比识别信号的识别特征向量，计算识别特征向量的相似度，根据相似度的计算结果对局部放电信号是否存在进行再次判定。
-
Patent Agency Ranking
公开(公告)号：CN116434759A
公开(公告)日：2023-07-14
申请号：CN202310380703.0
申请日：2023-04-11
Applicant: 兰州交通大学
IPC: G10L17/20 , G10L17/02 , G10L17/04 , G10L19/02 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于SRS‑CL网络的说话人识别方法，属于说话人识别技术领域，包括步骤一：采集非约束场景下的带有高斯白噪声的说话人语音数据；步骤二：针对传统的Sup‑cl对比学习模型的不足，我们提出一种用于执行说话人识别任务的SRS‑CL模型；步骤三：使用步骤二中数据处理后得到的训练集对步骤二中构建的SRS‑CL模型进行训练；步骤四：将步骤二中数据处理后的测试集作为待识别说话人语音信号输入训练完成后的SRS‑CL模型，得到说话人识别结果。本发明采用小波变换和阈值去噪的方法对语音数据进行处理，将其转换为时频图，并通过对比学习网络进行语音信号的特征提取和训练，以提高网络在高噪声环境下的特征提取能力，并实现说话人识别功能。
-
公开(公告)号：CN116360011A
公开(公告)日：2023-06-30
申请号：CN202310331225.4
申请日：2023-03-31
Applicant: 兰州交通大学
Abstract: 本发明属于智慧气象探测技术领域，公开了一种气象探测方法、探测装置及其气象探测设备，在升空之后，探空仪使用相关的传感器部件将对应的气象数据进行收集，并制定成批量的数据集，通过与地面多个信号接收系统进行对接，使用IDR信号传输方法将数据集传递给接收机；并且探空仪和地面接收系统形成多对多的方式，进而形成多条传输路径上的气象数据探测，并通过气象数据的探测形成对应的数据图谱和气象图像。本发明对场地几乎没有要求，可以连续释放探空气球，特别适合重大节会、重点项目、应急处突或军事方面现场气象保障上。本发明提高了所能探测到的气象数据接收范围，增加了对气象参数的探测。
-
公开(公告)号：CN116343807A
公开(公告)日：2023-06-27
申请号：CN202310325635.8
申请日：2023-03-30
Applicant: 兰州交通大学
Abstract: 本发明属于语音降噪技术领域，公开了一种改进的语音增强方法、系统、介质、设备及终端，采集语音数据集并将语音数据集划分为训练集、测试集和验证集；将Wave‑U‑Net模型层数减少、融合LSTM网络，改变内部特征融合方法，并在模型前后加入形似U‑Net的编解码器得到改进后的Wave‑U‑Net模型用于执行语音增强任务；使用训练集和验证集对构建的语音增强模型进行训练；将待增强语音信号输入训练完成后的语音增强模型，得到增强后的语音信号。本发明通过对传统的Wave‑U‑Net网络进行改进，提高了模型的运算速度且有效提取局部和全局上下文的特征信息，获得了更高的语音可懂度和质量，简化了处理流程。
-
公开(公告)号：CN118211130A
公开(公告)日：2024-06-18
申请号：CN202410624069.5
申请日：2024-05-20
Applicant: 兰州交通大学
IPC: G06F18/2411 , G06F18/214 , G06F18/15 , G06F18/213 , G06F18/25 , G06F17/15
Abstract: 本发明公开了一种基于GAN的变压器特高频局部放电缺陷数据增强方法，属于变压器特高频局部放电信号数据增强领域。具体包括特高频局部放电缺陷信号数据采集，归一化，小波软阈值去噪，数据清洗，时频图转换，数据集构建；并利用改进的深度可分离卷积结构SMixedConv构建数据增强模块DSWGAN‑GP，通过迭代训练提高模型的数据特征学习能力。实现对小样本且不平衡的数据集进行平衡和扩充优化。该模型具有更小的模型参数，通过引入混合卷积模式提高模型的特征模拟能力，能够在较小的训练次数内完成特征学习和收敛，具有较好的数据学习能力和更小的模型参数，具有实际工程应用价值。
-
公开(公告)号：CN116527462A
公开(公告)日：2023-08-01
申请号：CN202310604282.5
申请日：2023-05-25
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于信道状态变化CSI值的无线定位方法，属于无线电定位领域，本发明从信道状态发生变化后测试点采集的CSI数据入手，通过信道均衡网络的均衡能力消除因信道状态发生变化后采集得到的CSI数据信息中的误差，所述信道均衡网络的均衡能力通过算法模型训练得到，为提升室内无线定位的准确性，将测试点原始采集的数据和测试点采集的数据经过信道均衡网络均衡后的数据进行合并增强处理，从而提取更加丰富的特征信息，本发明从传统方法未能关注到的信道状态变化入手，利用深度学习的模型学习能力优化丰富特征信息，从而能够有效提高最终定位的准确性。本发明在智慧大楼以及施工人员管理等方面具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.026 seconds)
