一种定子线棒防晕层的老化程度预测方法

    公开(公告)号:CN119644016A

    公开(公告)日:2025-03-18

    申请号:CN202411889404.0

    申请日:2024-12-20

    Abstract: 本发明公开了一种定子线棒防晕层的老化程度预测方法,涉及定子线棒防晕层老化程度预测领域,包括以下步骤:S1:数据采样;获得图像数据和实时温度信息;S2:数据处理;对获取的图像数据进行预处理得到数据集,并对数据集进行评估权重划分和状态划分;S3:构建模型;利用卷积神经网络构建模型;S4:训练模型;S5:测试模型;S6:实际应用;利用防晕层寿命预测模型对定子线棒防晕层进行老化程度预测。本发明采用基于学习的机器学习算法,采集定子线棒防晕层老化过程中红外热力图像、紫外光子图像和温度数据,应用多模态特征融合对定子线棒所处的老化状态进行分类,对于评估定子线棒防晕层老化程度有着很好的指导作用。

    一种电晕监测用螺旋式荧光传感器

    公开(公告)号:CN118464861A

    公开(公告)日:2024-08-09

    申请号:CN202410834358.8

    申请日:2024-06-26

    Abstract: 本发明公开了一种电晕监测用螺旋式荧光传感器,属于电晕放电在线监测技术领域,包括底板,其特征在于:还包括荧光光纤、光纤连接器、传输光纤、光电转换模块和数据采集处理模块,所述荧光光纤呈螺旋式排列固定在底板上,荧光光纤与光纤连接器连接,所述光电转换模块通过传输光纤与光纤连接器连接,数据采集处理模块与光电转换模块连接。本发明通过采用荧光光纤螺旋式排列,增大了传感器光纤感光面积,提升了电晕测量范围,提高了传感器灵敏度和测量精度。

    一种基于GAN网络的样本数据增强方法及系统

    公开(公告)号:CN113962360B

    公开(公告)日:2024-04-05

    申请号:CN202111178317.0

    申请日:2021-10-09

    Abstract: 本发明公开一种基于GAN网络的样本数据增强方法及系统,方法具体为:构建利用N个GAN网络结构组成的金字塔形状的GAN网络学习模型;基于Coarse‑to‑Fine思想的对GAN网络学习模型进行训练和测试,对输入图像从粗略的分辨率开始进行多次迭代;迭代结果收敛时,添加附加的卷积层来增加生成器的大小,从原始的上采样特征到新添加卷积层的输出间添加残差连接,直到图像的分辨率达到设定的输出分辨率;基于满足输出分辨率的图像生成虚拟样本,将所述虚拟样本与小样本数据集混合,得到增强后的完成样本数据;解决了工业过程中老化样本数据十分稀缺的问题,相对传统的数据增强方法而言效率更高,降低了数据成本;生成的图像在符合原始分布的基础上更加多样。

    基于多节点阻容网式模型的高压电机防晕结构优化方法

    公开(公告)号:CN112287546B

    公开(公告)日:2023-09-05

    申请号:CN202011177937.8

    申请日:2020-10-28

    Abstract: 本发明公开的一种基于多节点阻容网式模型的高压电机防晕结构优化方法,设定定子线圈的空气域范围,将空气域、防晕结构和主绝缘划分为多个电阻单元和多个电容单元,根据划分的电阻单元和电容单元建立高压电机定子线圈端部的多节点阻容网式模型,并确定多节点阻容网式模型的阻值、电容参数和边界条件,并在定子线圈端部铜导体不同的运行条件下,进行防晕结构沿面电位、电场以及电流暂态计算分析,确定防晕结构的缺陷并对其进行优化;相比基于传统的阻容链式模型的绕组端部防晕优化设计方法,该优化方法建立的模型更加完整,将线圈外部的空气域以及主绝缘内部电场均考虑在内,从建模原理上避免了传统方法因简化模型而引入的计算误差,从划分方法上提高了计算精度。

    基于特征融合词袋和并行孪生网络的发电机局放识别方法

    公开(公告)号:CN116522277A

    公开(公告)日:2023-08-01

    申请号:CN202310461785.1

    申请日:2023-04-26

    Abstract: 本发明公开一种基于特征融合词袋和并行孪生网络的发电机局放识别方法,在实验室采集发电机定子线棒局部放电数据和相位信号数据,获取对应的相位图谱,构建SIFT、LBP、HOG和Haar‑like多描述子特征检测的词袋单词本并检索相似局放图谱;基于实验室采集到的局放样本训练AlexNet、GoogLeNet、VGG‑16和ResNet神经网络,然后通过训练好的神经网络孪生,共享权值,利用全连接层交叉熵函数计算损失,选取损失最小的标签作为各通道识别结果;测试时基于图谱不同相位象限分割的多通道识别结果使用自适应融合策略整合,获取最终局放模式识别结果。本发明弥补了传统深度学习分类方法在数据不平衡和存在小样本数据无法训练的不足,解决了局放模式识别问题中存在的数据不平衡、小样本识别问题。

Patent Agency Ranking