-
公开(公告)号：CN114495983A
公开(公告)日：2022-05-13
申请号：CN202210158492.1
申请日：2022-02-21
申请人： 安徽南瑞继远电网技术有限公司 , 南瑞集团有限公司
摘要： 本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。
-
公开(公告)号：CN114495983B
公开(公告)日：2024-10-29
申请号：CN202210158492.1
申请日：2022-02-21
申请人： 安徽南瑞继远电网技术有限公司 , 南瑞集团有限公司
摘要： 本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。
-
公开(公告)号：CN112927710B
公开(公告)日：2021-10-26
申请号：CN202110078755.3
申请日：2021-01-21
申请人： 安徽南瑞继远电网技术有限公司
IPC分类号： G10L21/0272 , G10L21/0208 , G01H17/00
摘要： 本发明涉及一种基于无监督方式的电力变压器工况噪声分离方法，与现有技术相比解决了难以从电力变压器声纹信号中分离出噪声的缺陷。本发明包括以下步骤：电力变压器声纹数据的采集；声纹数据的预处理；变压器声纹的压缩；变压器工况噪声的分离。本发明通过采集的变压器音频，经去噪处理后，综合运用频率压缩方法、频率特征提取变压器声纹特征并进行有效融合；针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题，提出一种基于特征向量夹角相似度算法，实现了声纹叠加的分离检测，分离出变压器工况噪声特性，为变压器工作状态的判断检测打下了基础。
-
公开(公告)号：CN112927710A
公开(公告)日：2021-06-08
申请号：CN202110078755.3
申请日：2021-01-21
申请人： 安徽南瑞继远电网技术有限公司
IPC分类号： G10L21/0272 , G10L21/0208 , G01H17/00
摘要： 本发明涉及一种基于无监督方式的电力变压器工况噪声分离方法，与现有技术相比解决了难以从电力变压器声纹信号中分离出噪声的缺陷。本发明包括以下步骤：电力变压器声纹数据的采集；声纹数据的预处理；变压器声纹的压缩；变压器工况噪声的分离。本发明通过采集的变压器音频，经去噪处理后，综合运用频率压缩方法、频率特征提取变压器声纹特征并进行有效融合；针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题，提出一种基于特征向量夹角相似度算法，实现了声纹叠加的分离检测，分离出变压器工况噪声特性，为变压器工作状态的判断检测打下了基础。
-
公开(公告)号：CN118628543A
公开(公告)日：2024-09-10
申请号：CN202410750514.2
申请日：2024-06-12
申请人： 安徽南瑞继远电网技术有限公司
摘要： 本发明公开了一种特征融合的电力巡视图像快速对准方法，基于SIFT算法和RANSAC算法，具体步骤如下：基于SIFT算法，对SIFT算法的特征描述子进行改进，使用LATCH方法生成特征描述符，LATCH描述符通过计算窗口内像素块比较值来形成bit串，通过比较特征点相关区域内像素点对的灰度值大小来确定bit串各位的取值；基于RANSAC算法，采用自适应最低阈值方法、自适应最低采样次数进行计算。本发明提高了图像快速对准过程中的运算速度，解决了运算效率较低问题，同时解决了算法迭代次数的上限问题以及结果出现错误的问题。
-
公开(公告)号：CN114360582A
公开(公告)日：2022-04-15
申请号：CN202210042045.X
申请日：2022-01-14
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽南瑞继远电网技术有限公司 , 国网电力科学研究院有限公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
发明人： 张晨晨 , 丁国成 , 杨可军 , 张可 , 黄文礼 , 朱太云 , 季坤 , 李坚林 , 甄超 , 韩帅 , 王成龙 , 吴兴旺 , 杨海涛 , 吴杰 , 尹睿涵 , 胡啸宇 , 高飞 , 毛光辉
摘要： 本发明涉及一种基于多频段自监督的变压器声纹异常检测方法，包括：对变压器的声纹数据进行采集和预处理；对采集的声纹数据进行特征提取；设计一个自监督的多层全连接神经网络模型，并自监督学习变压器的工作声纹数据特征，判断声纹数据特征之间的差异；在自监督学习中，当输入连续的声纹数据特征时，多层全连接神经网络模型输出连续的声纹数据异常监测差异度结果；使用模板匹配算法进行异常频率特征向量的识别检测，对异常频率特征分分离注册，实现泛化性的识别检测。本发明保留变压器声纹中的关键特征同时压缩非关键频带的参数，降低特征向量维度，减少计算负担加快系统分析速度，极大节省专业人员工作量，减少人工干预造成的精度偏差。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.078 秒)
