-
公开(公告)号：CN116756647A
公开(公告)日：2023-09-15
申请号：CN202310615957.6
申请日：2023-05-26
Applicant: 宁波力斗智能技术有限公司
IPC: G06F18/2415 , G06F18/2411 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01R31/08
Abstract: 本发明公开了一种基于卷积神经网络和SVM决策的DAB变换器故障诊断方法及系统，属于电力电子变换器故障诊断领域。采集变换器在不同功率开关管开路故障下的多个故障诊断信号样本；构建变换器故障诊断模型，通过残差收缩模块构建多个一维卷积神经网络，分别学习对应诊断信号的故障状态，并将故障状态学习结果输入至SVM中进行综合决策；将样本输入到故障诊断模型中进行训练和测试，利用训练好的模型对功率开关管开路故障进行诊断。结合残差收缩模块，构建基于卷积神经网络和SVM决策DAB变换器故障诊断模型，能够有效减少信号噪声对故障诊断准确度的影响，并综合多个故障诊断信号代表的故障状态，提高了故障诊断的容错性、灵活性和智能化程度。
-
公开(公告)号：CN114462508A
公开(公告)日：2022-05-10
申请号：CN202210030825.2
申请日：2022-01-12
Applicant: 宁波力斗智能技术有限公司
Abstract: 本发明公开了一种基于多模态神经网络的变压器健康状态评估方法，包括：采集各变电站中变压器的油中气体和红外图像；对采集的信息进行数据清洗和数据归一化，得到多模态矩阵；将多模态矩阵按比例划分为训练集和验证集；构建基于一维卷积神经网络和深度残差神经网络的多模态神经网络，输入训练集和验证集进行网络训练；利用实时采集的数据经过滤波后得到可训练的数据，进行健康状态评估和网络参数的更新。本发明利用一维卷积神经网络从油中气体数据中提取文本特征，深度残差神经网络从红外图像中提取图像特征，由稀疏注意力机制从文本特征和图像特征中获得电力变压器统一表征，并得到变压器的健康状态。该神经网络具有准确的评估性能和稳定的鲁棒性。
-
公开(公告)号：CN115019129B
公开(公告)日：2024-03-29
申请号：CN202210637376.8
申请日：2022-06-07
Applicant: 宁波力斗智能技术有限公司
Inventor： 赵莹莹
IPC: G06V10/774 , G06N3/0464 , G06N3/09 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于时序成像与图像融合的双有源桥变换器故障诊断方法及系统，步骤为：建立双有源桥变换器的仿真模型，分析变换器不同开路故障状态与电路信号变化的关系选择多个故障诊断信号，收集不同状态下的故障诊断信号数据与对应故障状态标签作为原始数据样本；采用递归图法将诊断信号数据转化为递归图，利用脉冲耦合神经网络模型将多个递归图进行融合；将融合递归图样本输入到卷积神经网络中进行训练与测试；对新获取的测试样本数据，在递归图转化与脉冲耦合神经网络处理后输入到网络中进行故障诊断。本发明利用递归图和脉冲耦合神经网络对双有源桥变换器的多个诊断信号进行处理，有效提取了多个诊断信号中的故障特征，提高了诊断准确度。
-
公开(公告)号：CN115019129A
公开(公告)日：2022-09-06
申请号：CN202210637376.8
申请日：2022-06-07
Applicant: 宁波力斗智能技术有限公司
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于时序成像与图像融合的双有源桥变换器故障诊断方法及系统，步骤为：建立双有源桥变换器的仿真模型，分析变换器不同开路故障状态与电路信号变化的关系选择多个故障诊断信号，收集不同状态下的故障诊断信号数据与对应故障状态标签作为原始数据样本；采用递归图法将诊断信号数据转化为递归图，利用脉冲耦合神经网络模型将多个递归图进行融合；将融合递归图样本输入到卷积神经网络中进行训练与测试；对新获取的测试样本数据，在递归图转化与脉冲耦合神经网络处理后输入到网络中进行故障诊断。本发明利用递归图和脉冲耦合神经网络对双有源桥变换器的多个诊断信号进行处理，有效提取了多个诊断信号中的故障特征，提高了诊断准确度。
-
-
-
Search Results
4
records
(took 0.037 seconds)
