-
公开(公告)号：CN114495983A
公开(公告)日：2022-05-13
申请号：CN202210158492.1
申请日：2022-02-21
Applicant: 安徽南瑞继远电网技术有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。
-
公开(公告)号：CN114495983B
公开(公告)日：2024-10-29
申请号：CN202210158492.1
申请日：2022-02-21
Applicant: 安徽南瑞继远电网技术有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。
-
公开(公告)号：CN114820437A
公开(公告)日：2022-07-29
申请号：CN202210255224.1
申请日：2022-03-15
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司合肥供电公司 , 安徽南瑞继远电网技术有限公司
Abstract: 本发明公开了一种基于级联网络的输电小金具缺陷检测方法，属于输电小金具缺陷检测技术领域，具体方法包括：步骤一：获取输电小金具的生产线组装图纸；设置输电小金具的检测装置；步骤二：获取输电小金具的若干张代表图像，进行代表图像处理，获得若干组训练集和测试集；步骤三：构造用于输电小金具缺陷检测的卷积神经网络，再通过获得的训练集和测试集进行卷积神经网络的训练和测试，将测试成功的卷积神经网络标记为缺陷检测模型；步骤四：获取检测装置中工作模拟模块的检测数据，判断检测数据是否合格，当检测数据不合格时，记录对应不合格区域；当检测数据合格时，进入下一步；步骤五：通过缺陷检测模型对经过检测区域的输电小金具进行检测。
-
-
Search Results
3
records
(took 0.038 seconds)
