公开(公告)号：CN117849477A

公开(公告)日：2024-04-09

申请号：CN202410027944.1

申请日：2024-01-08

Applicant: 扬州大学

Inventor： 尹振东 ,  肖春宇 ,  马欣雯 ,  谢明君 ,  谢军 ,  张继勇 ,  邱先群

IPC: G01R29/26 ,  G06N3/006

Abstract: 本发明公开了一种指数分段直流电弧噪声模型及其参数提取方法，实现指数分段直流电弧噪声模型参数提取的步骤包括：1)基于电流传感器获取电弧电流信号；2)计算电流信号的频谱分布；3）利用指数分段直流电弧噪声模型拟合电流信号的频谱分布；4)选择待提取电弧噪声模型参数并构建目标函数；5)利用反馈混沌生长优化算法实现指数分段电弧噪声模型参数的提取。本发明利用指数分段直流电弧噪声模型准确拟合不同工作状态下的直流电弧噪声频谱的复杂非线性。本发明同时采用反馈算子以及混沌参数生成机制对生长优化算法进行改进，能够提升算法的进化效率并削弱算法收敛过程中的早熟现象，可实现指数分段电弧噪声模型参数的准确提取。

公开(公告)号：CN117990997B

公开(公告)日：2025-01-24

申请号：CN202410030696.6

申请日：2024-01-08

Applicant: 扬州大学

Inventor： 尹振东 ,  马欣雯 ,  谢军 ,  谢明君 ,  肖春宇 ,  张继勇 ,  邱先群

IPC: G01R29/26 ,  G06F17/15

Abstract: 本发明公开了一种反正切分段直流电弧噪声模型及其参数提取方法，步骤包括：1) 利用电流传感器采集电弧电流信号；2) 计算电流信号的频谱分布；3）利用反正切分段直流电弧噪声模型拟合电流信号的频谱分布；4) 选择待提取电弧噪声模型参数并构建目标函数；5) 利用广义等级反思混沌胜利优化算法实现反正切分段电弧噪声模型参数的提取。本发明利用反正切分段直流电弧噪声模型在不同工作情况下准确拟合直流电弧噪声频谱的复杂非线性特征，同时采用适应度距离平衡算法、平均位置信息算法以及反思学习机制对混沌胜利优化算法进行改进，能够提升算法的收敛准确度并避免局部最优，可实现反正切分段电弧噪声模型参数的精确提取。

公开(公告)号：CN117849477B

公开(公告)日：2025-01-24

申请号：CN202410027944.1

申请日：2024-01-08

Applicant: 扬州大学

Inventor： 尹振东 ,  肖春宇 ,  马欣雯 ,  谢明君 ,  谢军 ,  张继勇 ,  邱先群

IPC: G01R29/26 ,  G06N3/006

Abstract: 本发明公开了一种指数分段直流电弧噪声模型及其参数提取方法，实现指数分段直流电弧噪声模型参数提取的步骤包括：1)基于电流传感器获取电弧电流信号；2)计算电流信号的频谱分布；3）利用指数分段直流电弧噪声模型拟合电流信号的频谱分布；4)选择待提取电弧噪声模型参数并构建目标函数；5)利用反馈混沌生长优化算法实现指数分段电弧噪声模型参数的提取。本发明利用指数分段直流电弧噪声模型准确拟合不同工作状态下的直流电弧噪声频谱的复杂非线性。本发明同时采用反馈算子以及混沌参数生成机制对生长优化算法进行改进，能够提升算法的进化效率并削弱算法收敛过程中的早熟现象，可实现指数分段电弧噪声模型参数的准确提取。

公开(公告)号：CN117990997A

公开(公告)日：2024-05-07

申请号：CN202410030696.6

申请日：2024-01-08

Applicant: 扬州大学

Inventor： 尹振东 ,  马欣雯 ,  谢军 ,  谢明君 ,  肖春宇 ,  张继勇 ,  邱先群

IPC: G01R29/26 ,  G06F17/15

Abstract: 本发明公开了一种反正切分段直流电弧噪声模型及其参数提取方法，步骤包括：1)利用电流传感器采集电弧电流信号；2)计算电流信号的频谱分布；3）利用反正切分段直流电弧噪声模型拟合电流信号的频谱分布；4)选择待提取电弧噪声模型参数并构建目标函数；5)利用广义等级反思混沌胜利优化算法实现反正切分段电弧噪声模型参数的提取。本发明利用反正切分段直流电弧噪声模型在不同工作情况下准确拟合直流电弧噪声频谱的复杂非线性特征，同时采用适应度距离平衡算法、平均位置信息算法以及反思学习机制对混沌胜利优化算法进行改进，能够提升算法的收敛准确度并避免局部最优，可实现反正切分段电弧噪声模型参数的精确提取。

公开(公告)号：CN116432112A

公开(公告)日：2023-07-14

申请号：CN202310442577.7

申请日：2023-04-23

Applicant: 扬州大学

Inventor： 尹振东 ,  邱先群 ,  张继勇 ,  马欣雯 ,  谢明君 ,  谢军

IPC: G06F18/2411 ,  G06F18/24 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N20/10

Abstract: 本发明公开了一种基于小波包变换、残差卷积神经网络的电弧故障检测方法，包括：1)采集线路中的电流信号；2)利用小波包变换将电流信号进行两层分解；3)利用权重截断式矩阵构造法将每个一维小波包分量转化为二维矩阵；4)利用残差卷积神经网络将二维矩阵进行逐层非线性变换，得到高维抽象特征；5)将高维特征输入至支持向量机实现特征融合，并得到检测结果。本发明利用小波包变换对不同频带成分的故障信息解耦。权重截断式矩阵使后续特征提取过程聚焦关键故障信息，削弱冗余信息的干扰。利用残差卷积神经网络实现特征的自适应提取，降低网络训练过程的过拟合程度。最后利用支持向量机替代softmax分类器，更有效地融合高维特征并有利于提升最终检测准确度。