-
公开(公告)号：CN117102889A
公开(公告)日：2023-11-24
申请号：CN202311156662.3
申请日：2023-09-08
Applicant: 国网吉林省电力有限公司四平供电公司
IPC: B23P23/06
Abstract: 本发明公开一种配网接地扁钢制作机，包括：工作台、传送结构、喷漆装置、切断装置、折弯装置及打孔装置；传送结构沿工作台上的长度方向设置在工作台上；喷漆装置固定在工作台上，并与传送结构并列设置；切断装置固定在工作台上，切断装置位于传送结构的端部；折弯装置固定在工作台上，并位于切断装置远离传送结构的一侧；打孔装置固定在工作台上，并位于折弯装置远离切断装置的一侧。本发明的技术方案通过在工作台上设置传送结构，并依次设置喷漆装置、切断装置、折弯装置及打孔装置对偏钢进行加工处理，进而实现偏钢的规范化，流程化加工；解决了传统偏钢加工分步分项作业多，作业难度大的问题。
-
公开(公告)号：CN116298595A
公开(公告)日：2023-06-23
申请号：CN202310009651.6
申请日：2023-01-04
Applicant: 国网吉林省电力有限公司四平供电公司
Abstract: 本发明公开了一种基于瀑布声谱图与卷积神经网络的变压器故障识别方法，包括步骤S1：变压器声信号去噪：提出了一种基于小波变换和独立分量分析的联合去噪方法；步骤S2：变压器声信号特征提取：用短时傅里叶变换对声信号时频域进行分析，得到瀑布声谱图；步骤S3：变压器声信号特征识别：用卷积神经网络Le Net‑5实现对变压器声信号的分类。本发明主要目的为基于声信号实现对变压器的状态监测和故障诊断，提出了一种基于小波变换和独立分量分析的联合去噪方法对声信号进行去噪处理，然后提取瀑布声谱图作为特征信息，将所得瀑布声谱图输入卷积神经网络Le Net‑5深度学习模型进行训练，用训练好的网络模型监测待识别的变压器声信号。
-
Patent Agency Ranking
公开(公告)号：CN115112769A
公开(公告)日：2022-09-27
申请号：CN202210732113.5
申请日：2022-06-23
Applicant: 国网吉林省电力有限公司四平供电公司
IPC: G01N29/06
Abstract: 本发明涉及一种变压器薄壁壳体单道焊缝内部缺陷的阵列超声检测成像方法，属于无损检测领域。使用超声阵列探头沿被检表面进行线性扫查，通过A/D转换将携带有工件内部信息的脉冲回波信号转化为数字信号存储至电脑中，得到检测数据集，利用阵列超声聚焦算法对得到的检测数据集进行处理，并相加求平均，从而得到一幅声束聚焦图像。优点是采用超声延时动态聚焦技术，检测方法安全、可靠，方便携带可进行现场检测，空间分辨率更高，避免小缺陷间的干涉现象，对缺陷的判别更为准确。
-
公开(公告)号：CN116626176A
公开(公告)日：2023-08-22
申请号：CN202310530605.0
申请日：2023-05-12
Applicant: 国网吉林省电力有限公司四平供电公司 , 国网吉林省电力有限公司
Abstract: 本发明涉及一种变压器油箱壳体角焊缝内部缺陷超声相控阵检测温度补偿方法，属于无损检测领域。相控阵检测仪器的超声相控阵探头上配置温度传感器，实时测量被测变压器壳体角焊缝处的表面温度；根据温度实时调整聚焦法则，由于动态补偿温度使声速产生变化，导致相控阵聚焦算法改变，建立声速随温度变化的数据库，将该声速随温度变化的数据库存储在相控阵检测仪器中，供检测时调用。优点是对不同路径中温度变化进行了有效补偿，确保变压器壳体焊缝焊接质量相控阵聚焦检测结果的准确性；本发明可以根据温度的变化导致的超声声速的变化，自动调整相控阵聚焦法则，使检测结果更加准确。
-
公开(公告)号：CN116203503A
公开(公告)日：2023-06-02
申请号：CN202310008249.6
申请日：2023-01-04
Applicant: 国网吉林省电力有限公司四平供电公司
IPC: G01S5/22
Abstract: 本发明提供了一种快速高精度的TDOA声源定位方法，解决的是无去噪手段情况下TDOA定位的求解速度和精度问题。本法中的方法包括：通过TDOA定位算法检测声源信号传播到两个传感器的时延，得到距离差，并通过多组传感器的传播距离差值确定声源位置；根据传播距离差元素间最大绝对距离准则，对TDOA求解方程组进行位置重排，以减小线性方程组方程排序对求解过程的影响；采用贪心策略，确定TDOA求解方程组用于求解声源坐标；对声源坐标进行密度聚类；对聚类中心进行选择，得到定位点。从而可以有效地提升TDOA声源定位算法的计算速度和定位精度。
-
公开(公告)号：CN116110428A
公开(公告)日：2023-05-12
申请号：CN202310008248.1
申请日：2023-01-04
Applicant: 国网吉林省电力有限公司四平供电公司
IPC: G10L25/51 , G10L25/30 , G06F18/214
Abstract: 本发明提供了一种基于样本生成和序列对齐的变压器声音异常检测方法，包括对采样得到的音频序列进行分帧处理，得到时间序列，并将所述时间序列分为训练集和测试集；将所述训练集作为输入样本，训练自编码器，得到经过训练的自编码器；将所述测试集作为所述经过训练的自编码器的输入，输出预测序列，并对测试集中的时间序列和所述预测序列进行延时修正，使得所述测试序列与所述预测序列对齐；对所述测试序列和所述预测序列的误差进行评估，确定异常信号。从而可以避免人工采集和标注异常声信号的不便。此外，还考虑了自编码器的时间不敏感问题，提出序列对齐的方式来解决自编码器输出可能存在的时延效应。
-
公开(公告)号：CN116089857A
公开(公告)日：2023-05-09
申请号：CN202310006204.5
申请日：2023-01-04
Applicant: 国网吉林省电力有限公司四平供电公司
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于CEEMDAN‑DBN的变压器故障识别方法，包括步骤S1：采集变压器正常状态及几种故障状态的振动信号；步骤S2：利用CEEMDAN进行模态分解，分解后提取各工况样本的特征向量；步骤S3：利用深度信仰网络对特征向量集进行训练学习，完成模型参数的调整优化，实现变压器运行状态的分类。本发明首先采用CEEMDAN分解变压器油箱表面的振动信号，然后，从分解后的模态分量中提取故障特征，计算各分量的能量熵，组成特征向量集。最后利用深度信仰网络对特征向量集进行训练学习，完成模型参数的调整优化，实现变压器运行状态的分类。通过实验验证所提方法能够高效地识别出变压器正常、绕组轴向形变、绕组径向形变和铁芯松动的运行工况。
-
-
-
-
-
-
Search Results
7
records
(took 0.04 seconds)
