申请/专利权人：国网青海省电力公司海北供电公司;国网青海省电力公司

申请日：2023-10-12

公开（公告）日：2024-01-02

公开（公告）号：CN117332352A

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/213;G06V10/20;G06V10/764;G06V10/82;G06N3/045;G06N3/0464;G06N3/084;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.19#实质审查的生效;2024.01.02#公开

摘要：本发明公开了一种基于BAM‑AlexNet的避雷器信号缺陷识别方法，包括：通过传感器获取工作时间段内出现的避雷器信号波形，对获得的每一个目标信号波形进行时频分析，得到全部信号的二维时频表示TFR；TFR数据集按比例分为训练集和测试集，将训练集送入BAM‑AlexNet网络中进行训练，后者是一种融合了BAM注意力机制的改进的AlexNet人工神经网络，经过通道注意力机制和空间注意力机制增强后，得到训练完成的BAM‑AlexNet；测试集数据送入完成的BAM‑AlexNet得到预测结果，判定待测信号是否为故障信号。

主权项：1.基于BAM-AlexNet的避雷器信号故障诊断方法，包括以下步骤：S1、获取避雷器信号波形，并转化为数字信号序列集合S；S2、对所述信号序列集合S逐一进行时频分析，得到对应的二维时频集合T；S3、对所述二维时频集合T进行自适应直方图增强，加强时频脊线的特征表现，获得经过图像增强的二维时频集合T′，并划分为训练集Tr和测试集Te；S4、构建AlexNet网络模型M，包括第I卷积块C1，输出特征图F1；第II卷积块C2，输出特征图F2；第III卷积块C3，输出特征图F3；第IV卷积块C4，输出特征图F4；以及对所述特征图F4经全连接层FC1、FC2和FC3输出；S5、在所述第I卷积块C1和第IV卷积块C4后分别引入BAM注意力块；S6、设置网络训练超参数，将训练集Tr送入模型BAM-AlexNet进行训练，得到训练后的模型BAM-AlexNet；S7、将测试集Te送入训练后的模型模型BAM-AlexNet，得到测试集的预测结果，实现避雷器异常信号和正常信号的诊断。

全文数据：

权利要求：

百度查询： 国网青海省电力公司海北供电公司;国网青海省电力公司 一种基于BAM-AlexNet的避雷器信号缺陷识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD