专利汇可以提供基于改进型卷积神经网络的电缆早期故障定位方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及配 电网 设备故障诊断领域,尤其涉及一种基于改进型 卷积神经网络 的 电缆 早期故障 定位 方法。包括:利用 小波变换 提取不同故障距离监测数据的 波形 统计特征;利用人工鱼群 算法 分析提取到的波形统计特征,得到最优的特征;改进型卷积神经网络的构造,得到监测数据的高层次特征;基于学习到的高层次特征的电缆早期故障识别。本发明采用的小波变换具有良好的时频特性,能够准确提取不同故障距离的故障特征。采用人工鱼群算法从提取的初始特征集中进一步选择最优的特征,将最优的特征输入到改进的卷积神经网络,深入地学习数据中的非线性映射关系,得到不同故障距离数据的深层特征,有利于准确识别电缆故障 位置 。,下面是基于改进型卷积神经网络的电缆早期故障定位方法专利的具体信息内容。
1.基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:包括以下步骤:
步骤1.利用小波变换提取不同故障距离监测数据的波形统计特征;
步骤2.利用人工鱼群算法分析提取到的波形统计特征,得到最优的特征;
步骤3.改进型卷积神经网络的构造,得到监测数据的高层次特征;
步骤4.基于学习到的高层次特征的电缆早期故障识别。
2.根据权利要求1所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述利用小波变换提取不同故障距离监测数据的波形统计特征,包括:
通过选取适当的母小波对不同故障位置的电流数据进行小波变换,由于故障特征反映在分解得到的高频细节系数中,对这些高频细节系数进行特征提取;小波变换模极大值点与信号的突变点存在非线性映射关系,将小波变换模极大值点作为一个特征进行分析,提取原始故障信号的能量、均值、方差、有效值、峰值因数、偏度、峭度、信息熵、奇异熵、总谐波含有率和总谐波畸变率,得到波形统计特征集,以建立故障信号到故障距离的对应关系。
3.根据权利要求2所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述适当的母小波指:具有良好的时频特性,用于分析电缆早期故障这一类非平稳信号的母小波。
4.根据权利要求1所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述利用人工鱼群算法分析提取到的波形统计特征,得到最优的特征,包括:在提取不同位置的波形统计特征后,由于所选择的特征可能存在一定的冗余,可能影响最后的故障定位精度和算法效率;利用人工鱼群算法来分析这些故障特征,通过鱼群的搜索过程,得到最优的特征,并将其作为下一步改进卷积神经网络的输入。
5.根据权利要求1所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述改进型卷积神经网络的构造,得到监测数据的高层次特征,包括:
步骤(1):训练数据;
步骤(2):改进型的卷积神经网络的构造;
步骤(3):训练完成的改进型卷积神经网络。
6.根据权利要求5所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述训练数据,包括:将经过人工鱼群进行最优特征选择后的特征输入到改进型卷积神经网络,通过这些输入数据来训练神经网络,从而学习到输入数据的高层次特征。
7.根据权利要求5所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述改进的卷积神经网络的构造,包括:
卷积神经网络作为一种仿生模型,基本架构通常包括特征提取器和分类器,由卷积层、采样层和全连接层组成;其中卷积层和采样层不仅可以有效地对输入的原始特征矩阵进行更深层次的特征学习,通过权值共享能够减少神经元个数,简化网络的复杂程度;全连接层作为一个分类器,输入卷积和采样之后的特征,输出分类类别;
卷积神经网络的构造包括前向传导的预训练和反向传导的微调,在进行反向传导之前需要定义一个损失函数,常用的误差函数有平方差损失函数和交叉熵损失函数,本发明选择选择交叉熵损失函数:
其中,n表示样本个数,y_表示期望输出,y表示实际输出,W表示卷积神经网络的权重,b表示卷积神经网络的偏置,x表示输入数据;
在卷积神经网络训练过程中,学习率会影响着卷积神经网络的学习速率和收敛情况,学习率过大易造成卷积神经网络的权值在最优点处振荡,学习率过低则造成训练时间过长;采用自适应的学习率,构造改进型卷积神经网络,即:
其中,lr(l)表示第l轮的学习率,dr表示学习衰减率,n表示每轮学习的步数,lr(l-1)表示第l-1轮的学习率。
8.根据权利要求5所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述训练完成的改进型卷积神经网络,包括:
通过改进型卷积神经网络的前向传导和反向传导过程,最后可以得到输入数据的高层次特征,这些高层次特征包含输入数据的信息,可区分性强,有利于准确识别不同故障距离的数据。
9.根据权利要求1所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述基于学习到的高层次特征的电缆早期故障识别,包括:
步骤(1):输入测试数据到训练好的改进型卷积神经网络;
步骤(2):输出故障距离类别。
10.根据权利要求9所述的基于改进型卷积神经网络的电缆早期故障定位方法,其特征是:所述输入测试数据到训练好的改进型卷积神经网络,包括:通过步骤1-步骤3建立一个训练好的改进型卷积神经网络,学习输入数据的高层次特征;在本步骤中将新的测试数据输入到训练好的改进型卷积神经网络中,以测试所提出方法的性能;
所述输出故障距离类别,包括:将电缆早期故障定位问题考虑为一个多分类问题,将发生在不同故障距离上的电缆早期故障事件分为不同的类别;在将测试数据输入到训练好的改进型卷积神经网络后,通过改进型卷积神经网络学习高层次特征,建立电缆早期故障与故障距离之间的映射关系实现电缆早期故障的定位,并输出故障距离类别。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于深度学习的轨道扣件缺陷识别算法 | 2020-05-08 | 120 |
基于图像处理和人工智能的小样本缺陷检测方法 | 2020-05-13 | 918 |
基于多源数据融合的中压真空断路器机械故障诊断方法 | 2020-05-16 | 646 |
一种基于大规模Embedding技术的Wi-Fi聚类方法及系统 | 2020-05-11 | 448 |
一种人工神经网络运算的装置及方法 | 2020-05-12 | 10 |
超低功率神经元形态人工智能计算加速器 | 2020-05-13 | 103 |
基于单神经元网络的惯量估计方法及其自适应调整策略 | 2020-05-15 | 823 |
垃圾图像分类模型构建的方法、装置、设备及存储介质 | 2020-05-08 | 444 |
基于人工智能的对象推荐模型训练方法、推荐方法及装置 | 2020-05-11 | 933 |
基于神经网络的分解模糊系统优化方法及装置 | 2020-05-08 | 444 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。