公开(公告)号：CN113486965A

公开(公告)日：2021-10-08

申请号：CN202110796202.1

申请日：2021-07-14

Applicant: 西南交通大学

Inventor： 周福林 ,  刘飞帆 ,  杨瑞轩 ,  杨涛 ,  王乾 ,  熊进飞

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供一种车网电气耦合数据的异常辨识模型的训练方法，包括：获取车网电气耦合的训练数据集；训练数据集包括有标注的异常数据；将训练数据集输入事先建立的异常辨识模型进行训练，得到训练后的异常辨识模型；异常辨识模型包括用于提取低层次特征的特征提取单元和用于提取高层次特征的残差块单元。可对电压数据或电流数据进行标注，并将标注有异常数据的训练数据集输入异常辨识模型并完成训练，得到基于数据驱动的车网电气耦合异常辨识模型，根据信号本身的波形辨识车网电气耦合异常数据，能够实时监测车网电气耦合状态，满足了实际工程需求。

公开(公告)号：CN113283550A

公开(公告)日：2021-08-20

申请号：CN202110827993.X

申请日：2021-07-22

Applicant: 西南交通大学

Inventor： 周福林 ,  刘飞帆 ,  杨瑞轩 ,  杨涛 ,  王乾 ,  熊进飞

IPC: G06K9/62

Abstract: 本申请提供一种车网电气耦合数据的异常辨识模型训练方法，包括：获取车网电气耦合的训练数据集；训练数据集包括有标注的异常数据；将训练数据集输入事先建立的异常辨识模型进行训练，得到训练后的异常辨识模型；异常辨识模型包括电压特征提取子模型、电流特征提取子模型以及特征融合模块。将标注有异常数据的训练数据集输入异常辨识模型并完成训练，得到基于数据驱动的车网电气耦合异常辨识模型，根据信号本身的波形辨识车网电气耦合异常数据，利用深度学习的优势高效处理海量的车网电气监测数据，且融合了电压异常识别与电流异常识别，在识别单异常类型的同时具备识别复合异常类型的能力，能够实时监测车网电气耦合状态，满足了实际工程需求。