申请/专利权人:兰州交通大学
申请日:2024-02-23
公开(公告)日:2024-03-29
公开(公告)号:CN117786521A
主分类号:G06F18/2413
分类号:G06F18/2413;G06F18/214;G06F18/213;G06F18/15
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了基于智能频谱感知的信号分类方法,涉及电磁信号检测技术领域。通过获取识别信号构建局部放电PRPD图谱样本,采集统计特征量,构建放电类型的所述统计特征量的识别权重矩阵,以获取的识别权重矩阵构建加权特征量,加入KNN算法模型进行训练获得判决分类模型,实时获取变压器工作过程中的过程信号,对所述过程信号进行采样,获取采样信号的分布模型,计算所述采样信号的信号能量,根据采样信号的分布模型是否符合判定模型对局部放电信号是否存在进行判决,并当判定所述过程信号中存在局部放电信号时,获取局部放电信号作为待测信号,根据获取的所述判决分类模型对所述待测信号进行识别,确定变压器的放电类型。
主权项:1.基于智能频谱感知的信号分类方法,其特征在于,包括,获取所述局部放电信号的原始信号作为识别信号,构建所述识别信号的局部放电PRPD图谱样本,采集所述图谱样本中的统计特征量,构建放电类型的所述统计特征量的识别权重矩阵,矩阵表达式为: 式中,为第类放电类型的第个统计特征量,Lc为放电类型的所述统计特征量的识别权重矩阵,为第类放电类型统计特征量的识别权重矩阵,为第类放电类型的第个统计特征量的识别权重;构建所述统计特征量的加权特征量,其中,,以获取的所述加权特征量加入KNN算法模型进行训练获得判决分类模型;实时获取变压器工作过程中的过程信号,对所述过程信号进行采样,获取采样信号的分布模型,计算所述采样信号的信号能量,根据采样信号的分布模型是否符合判定模型对局部放电信号是否存在进行判决,判定模型的表达式为: 式中,G为信号能量,N为初始识别信号的采样数量,为噪声方差,为局部放电信号的平均功率,H1表示局部放电信号存在,H0表示局部放电信号不存在;当判定所述过程信号中存在局部放电信号时,获取局部放电信号作为待测信号,根据获取的所述判决分类模型对所述待测信号进行识别,确定变压器的放电类型。
全文数据:
权利要求:
百度查询: 兰州交通大学 基于智能频谱感知的信号分类方法
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。