一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用

    公开(公告)号:CN115577236A

    公开(公告)日:2023-01-06

    申请号:CN202210884153.1

    申请日:2022-07-26

    摘要: 一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用,属于GIS电气绝缘故障检测领域,通过现场检测以及积累,构建绝缘故障局放信号数据样本集,常见的信号类型主要包括尖端放电、沿面放电、悬浮放电、自由金属颗粒放电以及无故障的噪声信号;然后搭建卷积神经网络模型,通过网络训练获取模型,识别局放信号类别,实现绝缘故障类型的诊断。本发明采用自适应学习率CNN模型,对学习率进行了自动优化处理,具体是在每次迭代时求得学习率的最优值,并应用于下一次迭代的网络参数优化过程当中,实现学习率的自动调节,提升识别准确率,更加精准、快速的识别局部放电信号类型,提高绝缘故障检测的效率。

    一种电机输出功率波形在线监测装置

    公开(公告)号:CN115267314A

    公开(公告)日:2022-11-01

    申请号:CN202210601301.4

    申请日:2022-05-30

    IPC分类号: G01R21/06 G01R31/34

    摘要: 本发明提供了一电机输出功率波形在线监测装置,包括采集模块、处理模块、存储模块及控制模块,采集模块被构造成用于采集电机的电压数据以及电流数据并发送给存储模块,处理模块被构造成用于接收电压数据以及电流数据,并运算得到功率数据后分别送入控制模块以及存储模块,控制模块被构造成用于接收电压数据、电流数据和功率数据,根据用户所设置的控制类型选择对应数据生成控制信号,发送至存储模块对电压数据和电流数据的存储进行触发控制,存储模块被构造成用于存储电压数据、电流数据以及功率数据供上位机进行读取显示,采集模块与处理模块通过同步时钟同步连接。本申请有效提高了数据采集精度,减少了数据滞后性。