-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110008964A
公开(公告)日：2019-07-12
申请号：CN201910241551.X
申请日：2019-03-28
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06K9/46
摘要： 本发明公开了一种高效的异源图像的角点特征提取与描述方法，对于特征相似度较低的异源图像，先采用FAST方法提取图像中的结构性特征较为显著的角点，再采用PIIFD特征描述符考虑异源图像的梯度翻转效应，对角点特征进行统一的描述。本发明技术解决方案简单，鲁棒性高，实用性强，不易受图像品质的影响，能克服异源图像特征差异较大、特征较为模糊、图像噪声干扰较大等问题，可以很好地解决目前主要特征提取方法在处理异源图像时特征提取准确率低、特征显著性低、计算复杂度高、可靠性差的问题。
-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
摘要： 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334866B
公开(公告)日：2022-11-11
申请号：CN201910602683.0
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110334866A
公开(公告)日：2019-10-15
申请号：CN201910602683.0
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110009670A
公开(公告)日：2019-07-12
申请号：CN201910241541.6
申请日：2019-03-28
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06T7/33
摘要： 本发明公开了一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法，通过FAST特征提取、PIIFD特征描述、最近邻比例阈值粗匹配、RANSAC错配剔除、最小二乘法仿射变换计算，能够得到异源图像之间的空间变换关系。本发明技术解决方案流程完善，鲁棒性高，实用性强，不易受异源图像品质的影响，能克服图像背景等因素对特征提取的干扰，可以很好地解决目前异源图像配准精度低、误差大、速度慢等问题。
-
公开(公告)号：CN110009583A
公开(公告)日：2019-07-12
申请号：CN201910241548.8
申请日：2019-03-28
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于灰度均衡和NSCT分解的红外图像预处理方法，对于工业设备的红外图像，对其灰度图像进行灰度均衡调整灰度分布，再采用NSCT分解进行一级分解，选用噪声较小的低频子带图像作为预处理方法的输出。本发明技术解决方案简单，鲁棒性高，实用性强，能够显著提高红外图像品质，能克服图像背景等噪声的干扰，可以很好地增强红外图像的整体特征和局部特征。
-
公开(公告)号：CN110009026A
公开(公告)日：2019-07-12
申请号：CN201910241540.1
申请日：2019-03-28
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于FDST和双通道PCNN的异源图像融合方法，对多传感器的异源图像，先采用FDST工具将原始图像分解到多个尺度上，再对低频子带通过简单加权平均的方式进行融合，对高频子带通过双通道PCNN进行融合，最后通过FDST反变换得到融合图像。本发明技术解决方案简单，鲁棒性高，实用性强，能够很好地保持原始图像中的细节信息，增强异源图像信息在融合图像中表达的一致性，提升融合图像的质量，可以很好地解决目前异源图像融合方法性能不稳定、效率低下、部分特征缺失、意外引入瑕疵等问题。
-
公开(公告)号：CN110334865B
公开(公告)日：2023-04-18
申请号：CN201910602682.6
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06Q10/04 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要： 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
-
-
-
-
-
-
-
-
搜索结果
152 条记录 (耗时 0.052 秒)
