一种基于图时空神经网络的变压器故障预测方法

    公开(公告)号:CN114358159A

    公开(公告)日:2022-04-15

    申请号:CN202111607551.0

    申请日:2021-12-27

    Abstract: 本发明涉及一种基于图时空神经网络建模的变压器故障预测方法,包括:将变压器的油中溶解气体的时序数据输入训练好的图时空神经网络,输出变压器的预测故障类别;图时空神经网络包括图学习层、标准卷积层、时空信息提取模块和softmax层,时空信息提取模块包括若干个图卷积层和时序卷积层,若干个空间特征信息和时序卷积层交错连接,图学习层分别与各层图卷积层连接;预测故障类别的输出过程包括:将时序数据作为节点嵌入,输入图学习层,生成邻接矩阵,将邻接矩阵分别输入各层图卷积层;时序数据依次经过标准卷积层、空信息提取模块和softmax层,获得变压器的预测故障类别。与现有技术相比,本发明具有准确性高、可解释性强等优点。

    用于机器人的物体识别方法、电子设备、介质和程序产品

    公开(公告)号:CN113971737A

    公开(公告)日:2022-01-25

    申请号:CN202111222348.1

    申请日:2021-10-20

    Abstract: 本发明提供一种用于机器人的物体识别方法、电子设备、介质和程序产品,方法包括获取机器人采集的待识别物体图像;将所述待识别物体图像输入至物体识别模型,进行物体类别预测,获得所述物体识别模型输出的物体类别,所述物体识别模型是基于度量学习训练得到的。本发明的物体识别模型是基于度量学习训练得到的,该度量学习可以扩大不同物体类别的物体图像之间的相似度距离,还可以缩小相同物体类别的物体图像之间的相似度距离,从而使不同物体类别的物体图像区别更明显,进而提高物体识别效率。基于此,即使样本数量少,样本种类多,由于不同物体类别的物体图像区别明显,从而可训练得到准确率高的物体识别模型,进而使机器人实现物体的准确识别。

    多振动工况适应的超导电缆测振与测温系统及方法

    公开(公告)号:CN113654684A

    公开(公告)日:2021-11-16

    申请号:CN202110942032.3

    申请日:2021-08-17

    Abstract: 多振动工况适应的超导电缆测振与测温系统及方法,包括四芯铠装光缆、测温仪、测振仪;四芯铠装光缆沿超导电缆长度方向布置于电缆管道绝热层内;四芯铠装光缆中,第一芯光纤为单模光纤连接测振仪,用作分布式振动监测传感器和振动信号传输介质;四芯铠装光缆中,第二芯光纤为多模光纤连接测温仪,用作分布式温度监测传感器和温度信号传输介质;其余两芯备用;系统还包括沿超导电缆长度方向布置在电缆管道外部的外部光缆,用于监测超导电缆管道温度。系统结构简单紧凑,在监测超导电缆运行状态时监测周围空间振动状态。四芯铠装光缆获得被测量沿光缆分布空间和时间变化的信息,突破传统单点测量模式,实现整条电缆线路温度与振动的在线监测。

    含光缆且由方形细线组成的超导缆线

    公开(公告)号:CN113488284A

    公开(公告)日:2021-10-08

    申请号:CN202110721896.2

    申请日:2021-06-28

    Abstract: 本发明提供了一种含光缆且由方形细线组成的超导缆线,包括:铜带、超导带、方形细线、单元绞线和光缆;所述超导带两侧贴合多个所述铜带构成所述方形细线;多个所述方形细线扭绞构成所述单元绞线;超导缆线通过所述光缆四周贴合多个所述单元绞线构成。本发明通过方形细线扭绞形成高温超导电缆的基本单元后,有足够的机械强度,且由于各超导带之间的距离相对较远,不易产生较强的磁耦合,进而使得各带材的载流能力能够得到充分的利用。

Patent Agency Ranking