公开(公告)号：CN116561556A

公开(公告)日：2023-08-08

申请号：CN202310483281.X

申请日：2023-04-28

Applicant: 武汉大学

Inventor： 王红霞 ,  王波 ,  罗鹏 ,  张嘉鑫 ,  马恒瑞 ,  王雷雄 ,  马富齐 ,  李怡凡 ,  冯磊 ,  张迎晨

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法，通过分别挖掘多通道声信号的空间关联性和时间关联性，对电力设备局部放电类型进行分类。本发明提出一种进行时空关联性挖掘的一维卷积神经网络，首先对多通道声信号进行空间关联性挖掘，获取空间权重信息并对多通道声信号特征进行空间关联性加权；然后在此基础上对各通道信号进行时间关联性挖掘，从而获得时间权重信息并对各通道声信号进行时间关联性加权；最后经过空间和时间关联性挖掘的多通道声信号进行进一步特征提取和局放类型分类。本发明能有效基于声信号进行电力设备局部放电分类，从而为电力设备的故障诊断和预防提供支持。

公开(公告)号：CN112418324B

公开(公告)日：2022-06-24

申请号：CN202011334424.3

申请日：2020-11-25

Applicant: 武汉大学

Inventor： 王波 ,  王红霞 ,  罗鹏 ,  马富齐 ,  李怡凡 ,  周胤宇 ,  张嘉鑫 ,  张迎晨 ,  冯磊 ,  王雷雄 ,  马恒瑞

IPC: G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于电气设备状态感知的跨模态数据融合方法，基于多传感器数据和图像数据这两类跨模态数据，对电气设备的状态进行融合感知。本发明首先将多传感器时间序列数据转换为递归图；然后分别用不同的卷积神经网络对递归图和电气设备图像数据进行特征提取；之后按照权重对这两类数据特征进行有效拼接，最后对融合后的特征进行进一步特征提取和状态等级感知。本发明充分利用了电气设备监测数据中的多传感器和图像这两类跨模态数据，一定程度上解决了基于单模态数据感知中精确率低和容错性差的问题。

公开(公告)号：CN112418324A

公开(公告)日：2021-02-26

申请号：CN202011334424.3

申请日：2020-11-25

Applicant: 武汉大学

Inventor： 王波 ,  王红霞 ,  罗鹏 ,  马富齐 ,  李怡凡 ,  周胤宇 ,  张嘉鑫 ,  张迎晨 ,  冯磊 ,  王雷雄 ,  马恒瑞

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于电气设备状态感知的跨模态数据融合方法，基于多传感器数据和图像数据这两类跨模态数据，对电气设备的状态进行融合感知。本发明首先将多传感器时间序列数据转换为递归图；然后分别用不同的卷积神经网络对递归图和电气设备图像数据进行特征提取；之后按照权重对这两类数据特征进行有效拼接，最后对融合后的特征进行进一步特征提取和状态等级感知。本发明充分利用了电气设备监测数据中的多传感器和图像这两类跨模态数据，一定程度上解决了基于单模态数据感知中精确率低和容错性差的问题。

公开(公告)号：CN112183313A

公开(公告)日：2021-01-05

申请号：CN202011030237.6

申请日：2020-09-27

Applicant: 武汉大学

Inventor： 王波 ,  张迎晨 ,  马富齐 ,  罗鹏 ,  周胤宇 ,  张天 ,  王红霞 ,  马恒瑞 ,  李怡凡 ,  张嘉鑫

IPC: G06K9/00 ,  G06K9/62 ,  G06F16/75 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种电力作业现场动作识别方法，该方法基于SlowFast算法，属于深度学习视频识别技术，利用计算机视觉技术和计算机强大的计算能力对作业现场的视频图像进行分析，识别作业人员的动作，并与规范作业流程中包含的动作进行对比，起到实时监控的作用，能有效提高现场作业监控质量，降低现场作业安全风险。