-
公开(公告)号：CN112904197A
公开(公告)日：2021-06-04
申请号：CN202110096390.7
申请日：2021-01-25
Applicant: 国网安徽省电力有限公司电力科学研究院 , 西安交通大学
Inventor： 杨为 , 朱太云 , 田宇 , 柯艳国 , 郑浩 , 朱胜龙 , 张国宝 , 赵恒阳 , 蔡梦怡 , 陈忠 , 胡迪 , 罗沙 , 谢佳 , 李坚林 , 甄超 , 赵常威 , 秦金飞 , 宋东波 , 杨海涛 , 钱宇骋 , 吴正阳 , 闫静 , 樊诗诗 , 王艳新
IPC: G01R31/333 , G01H17/00 , G06F17/15
Abstract: 本发明公开了一种基于参数识别的高压断路器机械振动信号特征提取方法，实施步骤包括：针对振动信号构造相应的Hankel矩阵并进行奇异值分解，根据奇异值范数及设定阈值确定信号的主要成分，实现信号的降噪处理；通过快速傅里叶变换得到信号的主要中心频率，由此确定模态个数，对降噪后的振动信号进行变分模态分解，获得对应中心频率的固有模态函数分量；采用总体最小二乘法—旋转矢量不变技术对各固有模态函数分量的主要参数，即振动事件的幅值、频率、衰减系数、起始时刻进行识别并将其作为振动信号特征数据集。本发明的方法能够有效降噪，准确展示出各主要振动事件，计算量小且提高了参数识别的精度，为高压断路器机械状态评估奠定了基础。
-
公开(公告)号：CN115983117A
公开(公告)日：2023-04-18
申请号：CN202211669375.8
申请日：2022-12-24
Applicant: 西安交通大学
IPC: G06F30/27 , G01R31/327 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08 , G06F111/14 , G06F113/08
Abstract: 本发明公开一种环保型气体开关设备的故障诊断方法及系统，该故障诊断方法包括获取CeO2复合多壁碳纳米管传感器阵列的响应值；将获取的传感器阵列的响应值输入预先设定的自适应尺度卷积神经网络中，并利用所述自适应尺度卷积神经网络对环保型气体开关设备的故障类型以及设备运行情况进行判断；获取判断的故障类型以及设备运行情况，完成所述环保型气体开关设备的故障诊断。CeO2复合多壁碳纳米管传感器阵列提升了传感器的检测灵敏性，实现传感器在低温检测下的高精度和持续稳定性，采用的自适应尺度卷积神经网络改善了网络对于时序特征的学习能力，同时采用传感器阵列的数据采集方式，扩大了数据集，有效确保了检测的精度。
-
公开(公告)号：CN115792541A
公开(公告)日：2023-03-14
申请号：CN202211600185.0
申请日：2022-12-12
Applicant: 西安交通大学 , 国网陕西省电力有限公司电力科学研究院
IPC: G01R31/12 , G06F18/25 , G06F18/241 , G06V10/82 , G06V10/80
Abstract: 本发明属于移动机器人技术领域，涉及一种用于变电站GIS局部放电检测的智能巡检系统及方法，该系统包括上位机和机器人，上位机与机器人远程通讯；机器人包括可移动车体，设置在可移动车体上的主机、特高频检测单元、超声波检测单元和寻迹单元，特高频检测单元、超声波检测单元和寻迹单元均与主机连接；寻迹单元包括多个视觉传感器；主机内设有深度卷积神经网络模块、路径规划模块、D‑S融合模块、绝缘状态评估模块、故障类型判断模块、多传感器数据融合模块、定位模块及通讯模块。本发明将超声波和特高频检测综合在一起，采用非侵入式检测方法，保障全方位检测；从电路设计、算法处理上来提供局部放电检测的准确性，并可以实现更频繁的检测。
-
公开(公告)号：CN114167237A
公开(公告)日：2022-03-11
申请号：CN202111447058.7
申请日：2021-11-30
Applicant: 西安交通大学
IPC: G01R31/12
Abstract: 本发明涉及放电故障识别技术领域，公开一种GIS局部放电故障识别方法，包括以下步骤：信号采集：采集各类缺陷放电信号各多组，形成原始信号；数据处理：对原始信号分别进行变分模态分解，获得一系列固有模态分量；特征提取：对固有模态分量进行特征提取，得到多尺度排列熵；识别诊断：将多尺度排列熵作为高维特征向量输入局部放电故障分类器模型，输出故障结果。变分模态分解克服了EMD方法存在端点效应和模态分量混叠的问题，可以降低复杂度高和非线性强的时间序列非平稳性，分解获得包含多个不同频率尺度且相对平稳的子序列；由固有模态分量计算多尺度排列熵，能检测时间序列在多尺度下的复杂性变化。
-
公开(公告)号：CN113505830A
公开(公告)日：2021-10-15
申请号：CN202110780175.9
申请日：2021-07-09
Applicant: 西安交通大学
Abstract: 本申请提供一种旋转机械故障诊断方法、系统、设备及存储介质。方法包括：采用轻量级卷积神经网络提取旋转机械故障信号，得到空间特征信息，并对空间特征信息进行特征识别；根据特征识别结果实现旋转机械的故障诊断，构造了新型的轻量级卷积块，能够有效地降低模型的参数，建立了轻量级卷积神经网络故障诊断模型，在很大程度上解决数据压缩问题的同时，有效地改进网络结构，提高了对整个旋转机械故障的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN115901662A
公开(公告)日：2023-04-04
申请号：CN202211669282.5
申请日：2022-12-24
Applicant: 西安交通大学
IPC: G01N21/3504
Abstract: 一种适用于环保型GIS的C4F7N/N2分解产物在线检测装置，包括第一气路单元、分解产物检测单元、第三气路单元以及补气单元；第一气路单元包括连接设置的CO2检测模块和H2O检测模块，CO2检测模块的进气口与GIS主气室的出气口连接设置，H2O检测模块的出气口与分解产物检测单元连接设置；第三气路单元的一端与检测单元的出气口连接设置，另一端与GIS主气室的进气口连接设置；分解产物检测单元的激光光源发出的红外光在所述反射式气室中折射若干次进入所述检测器。该装置可有效扣除CO2以及H2O的干扰，使得测试结果更加精准，并满足红外检测中对长光程的要求。
-
公开(公告)号：CN113449803A
公开(公告)日：2021-09-28
申请号：CN202110780818.X
申请日：2021-07-09
Applicant: 西安交通大学
Abstract: 本发明提供一种不同绝缘缺陷局部放电类型区分方法、系统、设备及存储介质，方法包括：基于卷积神经网络多层卷积和池化操作，提取局部放电信号的局部空间特征信息，并保留局部空间特征信息的时间序列特征信息；基于局部空间特征信息，通过长短期记忆网络保存并分析，提取局部放电信号的时间序列特征信息；基于局部空间特征信息和时间序列特征信息，通过全连接层进行特征融合，提取包含局部空间特征信息和时间序列特征信息的所有局部放电信号的识别特征；基于识别特征，通过卷积神经网络的softmax层输出概率值，进行局部放电信号类型的识别分类。本发明提高了整个局部放电图像类型的识别精度。
-
公开(公告)号：CN113505830B
公开(公告)日：2024-04-02
申请号：CN202110780175.9
申请日：2021-07-09
Applicant: 西安交通大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G01M13/00
Abstract: 本申请提供一种旋转机械故障诊断方法、系统、设备及存储介质。方法包括：采用轻量级卷积神经网络提取旋转机械故障信号，得到空间特征信息，并对空间特征信息进行特征识别；根据特征识别结果实现旋转机械的故障诊断，构造了新型的轻量级卷积块，能够有效地降低模型的参数，建立了轻量级卷积神经网络故障诊断模型，在很大程度上解决数据压缩问题的同时，有效地改进网络结构，提高了对整个旋转机械故障的识别精度。
-
公开(公告)号：CN115980560A
公开(公告)日：2023-04-18
申请号：CN202211516320.3
申请日：2022-11-29
Applicant: 西安交通大学 , 国网陕西省电力有限公司电力科学研究院
IPC: G01R31/327 , G06N3/0464 , G06N3/08 , G06F18/214 , G01M13/00
Abstract: 本发明属于故障诊断技术领域，涉及一种基于CNN‑GRU的高压断路器机械故障诊断诊断方法，包括：采集断路器的机械振动信号、分合闸线圈电流信号以及动触头行程曲线信号，进行标准化处理，得到标准化数据；构建卷积神经网络故障诊断模型，包括依次连接的特征提取模块、特征拼接模块、特征融合模块和分类层模块；通过构建好的卷积神经网络故障诊断模型对标准化数据进行特征提取、特征拼接、特征融合和分类，省却了人工寻求特征的过程，减少过去经验对结果影响；信号融合是利用GRU算法对串行数据的处理能力，将进行扁平化处理后的CNN提取的特征输入GRU，由GRU处理连接起来的串行信号，减少过拟合的风险，且使得特征进一步融合。
-
公开(公告)号：CN115586406A
公开(公告)日：2023-01-10
申请号：CN202211196898.5
申请日：2022-09-28
Applicant: 西安交通大学 , 国网陕西省电力有限公司电力科学研究院 , 国网陕西省电力有限公司
IPC: G01R31/12
Abstract: 本发明提出了一种基于特高频信号的GIS局部放电故障诊断方法及系统，首先获取实验室中GIS绝缘缺陷模拟故障样本、现场故障样本以及环境噪声干扰样本；然后将其3D体积与各向异性探测核进行卷积以投射到2D，添加一个深度体积卷积神经网络结构来对二维投影进行诊断；接着基于所述样本对自编码器模型进行无监督训练，并利用所述自编码器模型所得的模型参数初始化深度体积卷积神经网络模型的卷积层初始参数，利用BP算法和随机梯度下降法对所述深度卷积神经网络模型的参数进行迭代更新，得到最优化参数；采用体积卷积神经网络进行故障诊断，有效的避免了人工特征工程及3D图像的灰度处理过程，与传统机器学习算法相比，提高了诊断的速度和故障识别率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
