公开(公告)号：CN119044690A

公开(公告)日：2024-11-29

申请号：CN202411106251.8

申请日：2024-08-13

Applicant: 西安交通大学

Inventor： 董明 ,  常昊鑫 ,  胡一卓 ,  关宇 ,  王昊 ,  田志立 ,  罗阳 ,  康博超 ,  孙维凯 ,  吴倩

IPC: G01R31/12

Abstract: 一种基于DSCNN的油中电弧放电模式轻量化识别方法，该方法中，开展油浸式电力变压器短间隙油中电弧放电测试实验；利用传感器采集电弧放电测试实验的放电时域数据，对其进行小波变换，生成时频图谱；将时频图谱分为训练集和测试集，使用训练集训练轻量化深度可分离卷积神经网络模型，利用测试集检测训练后的模型，记录第一训练参数；使用所述训练集训练常规卷积神经网络模型，使用所述试集检测训练后的模型，记录第二训练参数；通过对比第一训练参数和第二训练参数，证实基于DSCNN的短间隙电弧放电模式识别方法的轻量化优势，满足在线监测的要求。

公开(公告)号：CN119044689A

公开(公告)日：2024-11-29

申请号：CN202411106245.2

申请日：2024-08-13

Applicant: 西安交通大学

Inventor： 董明 ,  常昊鑫 ,  胡一卓 ,  关宇 ,  王昊 ,  田志立 ,  罗阳 ,  康博超 ,  孙维凯 ,  吴倩

IPC: G01R31/12

Abstract: 一种变压器短间隙油中电弧放电模式识别方法及装置，该方法中，基于油浸式电力变压器不同放电缺陷模型开展油纸绝缘电弧放电实验；利用传感器采集油纸绝缘电弧放电实验的短间隙油中电弧放电的多物理特征信号；利用广义S变换对所述多物理特征信号进行处理，生成多物理信号时频图谱；将生成的多物理信号时频图谱输入到多通道深度可分离卷积神经网络模型，实现多物理量联合检测的电弧放电模式识别。

公开(公告)号：CN118490246A

公开(公告)日：2024-08-16

申请号：CN202410578571.7

申请日：2024-05-10

Applicant: 西安交通大学 ,  西安揽智俱应智能科技有限公司

Inventor： 董明 ,  常益 ,  范力宏 ,  任明 ,  康博超 ,  孙维凯 ,  李晓枫 ,  杨章 ,  关宇 ,  柳玉洁 ,  刘胤康 ,  王彬 ,  徐珊娜

IPC: A61B5/346 ,  A61B5/361 ,  A61B5/353 ,  A61B5/00 ,  G16H50/50 ,  G06F18/2131 ,  G06F18/2135 ,  G06F18/2411 ,  G06N3/006 ,  G06N20/10

Abstract: 一种基于心脏房颤电生理仿真的定位方法及其系统，本发明的系统通过：构建心脏电生理模型，其中设置房颤触发灶获取典型房颤的心电信号；对心电信号进行P波提取，获得P波时域特征并通过主成分分析法降维，构建数据集；基于数据集训练机器学习模型，划分分类结果对应的心房区域；汇总多导联信号分类结果，进行等级评级，定位房颤触发灶所在区域。本发明能够获取多种仿真心房颤动心电信号，高效准确地识别P波波段，在保留样本信息的前提下，节省大量计算时间和计算成本，并有效提高分类效果。