申请/专利权人：广州市迪声音响有限公司

申请日：2024-01-03

公开（公告）日：2024-03-19

公开（公告）号：CN117520963B

主分类号：G06F18/243

分类号：G06F18/243;G06N3/084;G06N20/20;G06F18/2135;G06F18/27;H03F1/52;G05B19/042;G01R21/00;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及输出功率监控技术领域，具体为一种基于输出功率实时监控的功放保护方法及系统，包括以下步骤：基于功放输出功率数据，采用卷积神经网络，进行特征提取，结合时间序列分析，进行实时数据监控，并采用聚类分析算法，进行模式分析，生成功率监测数据。本发明中，通过随机森林算法强化异常功率模式识别，提高诊断速度和准确性，主成分分析结合遗传算法进行环境因素分析和阈值调整，增强适应性和响应能力，自回归移动平均模型和季节性分解时间序列进行趋势分析，提供全面功率变化趋势预测，卡尔曼滤波器和模拟退火算法优化DSP参数设置，提高整体运行效率和稳定性，深度信念网络结合反向传播算法故障模式识别，提升故障诊断的精准度和效率。

主权项：1.一种基于输出功率实时监控的功放保护方法，其特征在于，包括以下步骤：基于功放输出功率数据，采用卷积神经网络，进行特征提取，结合时间序列分析，进行实时数据监控，并采用聚类分析算法，进行模式分析，生成功率监测数据；基于所述功率监测数据，采用随机森林算法，进行异常检测与异常模式分析，生成异常功率模式；基于所述异常功率模式，采用主成分分析，进行环境因素分析，并采用遗传算法，进行阈值调整，生成优化功率阈值；基于历史功率数据，采用自回归移动平均模型，进行趋势分析，并采用季节性分解时间序列与时间序列建模，生成功率趋势预测报告；基于所述功率趋势预测报告，采用卡尔曼滤波器，进行DSP参数调整，并使用模拟退火算法进行参数优化，生成DSP参数设置；基于所述功率监测数据和功率趋势预测报告，采用深度信念网络，进行故障模式识别，并使用反向传播算法进行模型训练，生成故障诊断报告；基于所述故障诊断报告，采用循环神经网络模型，进行操作参数调整，生成功放运行调整方案；所述功率监测数据包括功率级别、功率波动和历史对比数据，所述异常功率模式包括功率突变、高功率异常、低功率异常，所述优化功率阈值具体为基于环境变化的最大和最小功率限制，所述功率趋势预测报告包括短期和长期功率变化趋势预测，所述DSP参数设置具体为调整后的压缩比率和阈值参数，所述故障诊断报告包括故障类型和故障原因；基于所述异常功率模式，采用主成分分析，进行环境因素分析，并采用遗传算法，进行阈值调整，生成优化功率阈值的步骤具体为：基于所述异常功率模式，采用主成分分析，分析功率模式与环境因素的关联性，生成环境因素分析报告；基于所述环境因素分析报告，采用逻辑回归模型，预测差异化环境因素对功率阈值的影响，生成环境影响预测数据；基于所述环境影响预测数据，采用遗传算法，结合历史功率阈值数据，进行动态阈值调整，生成优化功率阈值；基于历史功率数据，采用自回归移动平均模型，进行趋势分析，并采用季节性分解时间序列与时间序列建模，生成功率趋势预测报告的步骤具体为：基于历史功率数据，采用自回归移动平均模型，分析功率数据的长期趋势，识别潜在周期波动，生成长期趋势分析结果；基于所述长期趋势分析结果，采用季节性分解时间序列算法，对功率数据进行季节性分析，生成季节性分析数据；基于所述季节性分析数据，采用高斯过程回归模型，进行时间序列建模，预测功率趋势，生成功率趋势预测报告；基于所述功率趋势预测报告，采用卡尔曼滤波器，进行DSP参数调整，并使用模拟退火算法进行参数优化，生成DSP参数设置的步骤具体为：基于所述功率趋势预测报告，采用卡尔曼滤波器，调整DSP参数设置，生成初始DSP调整参数；基于所述初始DSP调整参数，采用信号强度分析，采用快速傅里叶变换，进行信号强度分析，分析调整参数对信号处理的影响，生成频谱分析结果；基于所述频谱分析结果，采用模拟退火算法，进行参数调整，生成DSP参数设置。

全文数据：

权利要求：

百度查询： 广州市迪声音响有限公司 一种基于输出功率实时监控的功放保护方法及系统

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