一种环氧树脂基微纳米非线性防晕材料及制备方法

    公开(公告)号:CN112175356A

    公开(公告)日:2021-01-05

    申请号:CN202011064201.X

    申请日:2020-09-30

    摘要: 本发明公开了一种环氧树脂基微纳米非线性防晕材料及制备方法。防晕材料按环氧树脂55%wt、微米针状氧化锌2%wt、纳米球状碳化硅3%wt、固化剂40%wt的比例混合而成,其制备方法是将填料分批次加入装有环氧树脂的容器中,保持80℃的水浴加热,搅拌并配合超声使其混合均匀,脱气处理后浇注成型,置于烘箱中固化,即得复合防晕材料试样。本发明还公开了微米针状氧化锌的制备方法,等体积的乙二胺和氯化锌溶液搅拌混合,80℃的水浴加热充分反应,160℃高温高压反应12小时后干燥提纯,得针状氧化锌。微纳米非线性防晕材料表现出较好的非线性电导特性,相较于纳米碳化硅单一成分复合材料,微纳米复合材料的非线性系数增加,电导率提高,阈值场强降低,耐热性能更优。

    一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法

    公开(公告)号:CN115438701A

    公开(公告)日:2022-12-06

    申请号:CN202211109959.X

    申请日:2022-09-13

    摘要: 本发明公开一种基于阈值图谱和轻量神经网络的发电机局放模式识别方法,在实验室环境下采集不同缺陷类型的发电机定子线棒放电数据和相位信号数据,获取已知的线棒绝缘缺陷对应的相位图谱,选择不同类型典型缺陷最优阈值参数并基于自适应阈值二值化方法优选阈值图谱特征;构建HOG、SHIF、SURF和MSER不同类型的图像特征,并进行多维特征融合;基于不同工业应用场景选择SqueezeNet、MobileNet、ShuffleNet以及Xception四种轻量级神经网络进行集成学习,将提取的多维融合特征对不同轻量级神经网络模型进行训练,通过权重调节对模式识别结果进行判断,输出发电机定子线棒缺陷类型的判别结果。此方法基于阈值谱图和轻量神经网络,提高了模式识别的精确性和实时性。

    一种基于并行CNN-BiLSTM的发电机局放模式识别方法

    公开(公告)号:CN115586407A

    公开(公告)日:2023-01-10

    申请号:CN202211259783.6

    申请日:2022-10-14

    IPC分类号: G01R31/12 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于并行CNN‑BiLSTM的发电机局放模式识别方法,在实验室环境下采集不同电压等级、不同缺陷类型的发电机定子线棒典型缺陷局放数据,绘制不同去噪系数的局放相位图谱、采集不同相位的电压信号、提取局放相位图谱特征和局放波形特征共十种参数,作为十通道并行CNN神经网络训练的输入参数,不同参数经过并行CNN网络对各特征进行卷积池化,送入分别与CNN特征输出层连接的BiLSTM神经网络,对BiLSTM神经网络进行训练,进行发电机局放典型缺陷的模式识别,十通道BiLSTM分别输出基于不同参数的模式识别结果,与现场样本进行结果对比,确定每个输出通道的权重完成对发电机定子线棒缺陷类型的判别。此方法基于多形式的输入训练多通道并行网络,提高模式识别的精确度。