基于傅里叶分析频带编码的GIS振动缺陷特征提取方法

    公开(公告)号:CN115754540A

    公开(公告)日:2023-03-07

    申请号:CN202211459886.7

    申请日:2022-11-17

    Abstract: 本发明提供基于傅里叶分析频带编码的GIS振动缺陷特征提取方法,属于振动特征提取领域,解决现有技术对GIS的典型机械振动缺陷关注较少,缺乏分析方法的问题;包括构建振动检测装置,构建机械缺陷模拟平台,通过模拟得出时域振动波形,采用傅里叶变换得到频域振动波形;采用频带能量特征提取方法,得出功率谱,进行频带编码操作,分别求取多个频带的能量及能量占比,得到振动特征信息表;重复模拟,再分类建立振动特征信息库后,对实际设备进行检测,与振动特征信息库中的机械缺陷特征进行比对,得出实际可能存在的缺陷类型;本发明可检测与识别GIS机械缺陷,及时发现轻微的机械缺陷,指导检修,为GIS设备的安全运行提供了保障。

    GIS/GIL设备端-边-云系统机械振动信号特征预测方法

    公开(公告)号:CN115628805A

    公开(公告)日:2023-01-20

    申请号:CN202211411131.X

    申请日:2022-11-11

    Abstract: 本发明公开了一种GIS/GIL设备端‑边‑云系统机械振动信号特征预测方法,包括以下步骤:S1、设备端通过振动信号传感器采集GIS/GIL设备多通道振动信号;S2、将采集到的振动信号数据传输到边设备进行边缘计算;S3、分别从时域、频域提取GIS/GIL设备振动信号的声纹、振动特征,构建原始的特征数据集;S4、基于特征数据集构建各特征子集的时序标签,采用LSTM模型对GIS/GIL振动信号进行趋势预测;S5、将各特征子集及其预测结果上传至云端样本库进行可视化展示。本发明提取时频域振动、声纹特征,能够灵敏的反应GIS/GIL设备内部的机械状态。采用LSTM深度学习算法,可以准确的预测出GIS/GIL设备未来一段时间的振动、声纹特征参量的变化趋势。

Patent Agency Ranking