-
公开(公告)号：CN115688017A
公开(公告)日：2023-02-03
申请号：CN202211704573.3
申请日：2022-12-29
申请人： 南昌工程学院 , 江西派源科技有限公司
IPC分类号： G06F18/2411 , G06F18/211 , G06F18/214 , G06N3/006 , G01H17/00
摘要： 本发明属于电力设备故障诊断技术领域，公开了一种基于FRCMDE的变压器铁芯故障声纹诊断方法及装置，该方法将变压器声纹数据进行逐次变分模态分解得到若干个本征模态分量，计算每个本征模态分量的峭度和能量占比挑选出包含有用信息的本征模态分量并进行重构；求出重构信号在分析尺度内的FRCMDE值，使用Fisher比剔除不同尺度下的FRCMDE值中的冗余及无效部分，构造最优特征子集；构建改进的PODSBOA‑LSSVM故障诊断模型对FRCMDE特征进行识别，输出诊断结果。本发明可以帮助电力工作人员及时掌握变压器运行状态，提前知晓潜伏故障，避免设备故障带来的损失。
-
公开(公告)号：CN116705065A
公开(公告)日：2023-09-05
申请号：CN202310692879.X
申请日：2023-06-12
申请人： 南昌工程学院
摘要： 本发明公开了一种基于LSTM‑BHPSO的变电站声纹故障诊断方法，采集变电站声纹信号，并使用MFCC进行特征提取，得到特征数据集，将特征数据集分为训练集和测试集；构建基于LSTM网络的变电站声纹故障诊断模型；将MFCC提取的特征点数量、批处理样本数、网络层个数、隐含层与全连接层的个数作为粒子的位置使用BHPSO算法进行迭代寻优得到最优初始参数，将最优初始参数输入基于LSTM网络的变电站声纹故障诊断模型；使用训练好的基于LSTM网络的变电站声纹故障诊断模型进行变电站声纹故障诊断。本发明具有较好的处理效率，可以避免局部最优，有利于获得准确的故障诊断结果。
-
公开(公告)号：CN116125235A
公开(公告)日：2023-05-16
申请号：CN202310399312.3
申请日：2023-04-14
申请人： 南昌工程学院 , 中国电力科学研究院有限公司
IPC分类号： G01R31/12 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2411 , G06N20/10 , G06N3/006
摘要： 本发明属于电力设备故障分析技术领域，公开了一种基于超声信号的GIS局部放电故障诊断方法，将GIS局部放电超声信号用基于广义S变换的瞬态提取变换的时频分析方法变换成反映某一频率在不同时间上变化的瞬时提取广义S变换时频谱，构建瞬时提取广义S变换时频谱数据集；通过局部线性嵌入算法对瞬时提取广义S变换时频谱数据集进行降维，得到低维特征数据集；利用改进的蝴蝶算法对LSSVM的超参进行优化，以所得的低维特征数据集为基础，构造PODSBOA‑LSSVM故障诊断模型，对未知的GIS局部放电超声信号进行诊断。本发明采用群延迟提取瞬时提取广义S变换时频谱，去除了干扰信号，增强了识别精度。
-
公开(公告)号：CN116682458A
公开(公告)日：2023-09-01
申请号：CN202310687573.5
申请日：2023-06-12
申请人： 南昌工程学院
IPC分类号： G10L25/51 , G10L25/30 , G10L21/0208
摘要： 本发明公开一种基于能量算子改进小波包的GIS局放声纹检测方法，选取小波包基函数对GIS声纹信号进行小波包分解、降噪，采用改进Teager能量算子小波包系数进行瞬时能量计算，得到瞬时能量序列，结合滑动窗口函数进行背景阈值判断，将能量异常点进行记录；而后结合峭度熵、模糊熵、瞬时能量以及能量异常点构建联合特征，使用RBF神经网络算法进行故障判定。本发明快速准确的发现GIS运行隐患。
-
公开(公告)号：CN116430188A
公开(公告)日：2023-07-14
申请号：CN202310697668.5
申请日：2023-06-13
申请人： 南昌工程学院
IPC分类号： G01R31/12 , G06N3/006 , G06F18/213 , G06N20/00
摘要： 本发明属于电力设备故障诊断技术领域，公开了一种基于改进白冠鸡优化算法的变压器故障声纹诊断方法，将变压器声音信号进行去噪，使用权重时移多尺度反向波动散布熵对分离出变压器本体声音信号计算时移尺度内的特征量并进行归一化，使用拉普拉斯得分选出最优特征维度，将核极限学习机的核函数参数和正则化因子以及权重时移多尺度反向波动散布熵的权重作为改进白冠鸡优化算法的初始种群位置进行寻优，对核极限学习机进行训练，得到变压器故障诊断模型，用于变压器的故障诊断。本发明解决了核极限学习机的超参和权重时移多尺度反向波动散布熵的权重难以准确选取的问题，能够实时准确的输出变压器内部的情况。
-
公开(公告)号：CN116430188B
公开(公告)日：2023-08-29
申请号：CN202310697668.5
申请日：2023-06-13
申请人： 南昌工程学院
IPC分类号： G01R31/12 , G06N3/006 , G06F18/213 , G06N20/00
摘要： 本发明属于电力设备故障诊断技术领域，公开了一种基于改进白冠鸡优化算法的变压器故障声纹诊断方法，将变压器声音信号进行去噪，使用权重时移多尺度反向波动散布熵对分离出变压器本体声音信号计算时移尺度内的特征量并进行归一化，使用拉普拉斯得分选出最优特征维度，将核极限学习机的核函数参数和正则化因子以及权重时移多尺度反向波动散布熵的权重作为改进白冠鸡优化算法的初始种群位置进行寻优，对核极限学习机进行训练，得到变压器故障诊断模型，用于变压器的故障诊断。本发明解决了核极限学习机的超参和权重时移多尺度反向波动散布熵的权重难以准确选取的问题，能够实时准确的输出变压器内部的情况。
-
公开(公告)号：CN116125235B
公开(公告)日：2023-07-18
申请号：CN202310399312.3
申请日：2023-04-14
申请人： 南昌工程学院 , 中国电力科学研究院有限公司
IPC分类号： G01R31/12 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2411 , G06N20/10 , G06N3/006
摘要： 本发明属于电力设备故障分析技术领域，公开了一种基于超声信号的GIS局部放电故障诊断方法，将GIS局部放电超声信号用基于广义S变换的瞬态提取变换的时频分析方法变换成反映某一频率在不同时间上变化的瞬时提取广义S变换时频谱，构建瞬时提取广义S变换时频谱数据集；通过局部线性嵌入算法对瞬时提取广义S变换时频谱数据集进行降维，得到低维特征数据集；利用改进的蝴蝶算法对LSSVM的超参进行优化，以所得的低维特征数据集为基础，构造PODSBOA‑LSSVM故障诊断模型，对未知的GIS局部放电超声信号进行诊断。本发明采用群延迟提取瞬时提取广义S变换时频谱，去除了干扰信号，增强了识别精度。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.015 秒)
