申请/专利权人:西安交通大学
申请日:2023-12-26
公开(公告)日:2024-04-19
公开(公告)号:CN117907765A
主分类号:G01R31/12
分类号:G01R31/12
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:公开了一种随机信噪比局部放电超声信号模式识别方法,方法中,通过超声信号采集装置采集不同局部放电类型的原始超声信号并对原始超声信号进行染噪预处理;将原始频谱与预处理频谱输入改进的降噪自编码器进行训练,得到训练好的编码器E,通过超声信号采集装置采集实际环境中的随机信噪比局部放电超声信号;对随机信噪比局部放电超声信号提取特征频谱,称为实际频谱;利用编码器E对实际频谱进行编码,得到实际潜在特征序列;对实际潜在特征序列进行马尔可夫变迁场变换,得到特征图谱;采用分层抽样的方式将特征图谱分为训练集和测试集;利用训练集训练神经网络得到判断函数;利用判断函数对测试集进行模式识别,得到模式识别结果。
主权项:1.一种随机信噪比局部放电超声信号模式识别方法,其特征在于,其包括以下步骤:步骤1:通过超声信号采集装置采集不同局部放电类型的原始超声信号并对所述原始超声信号进行染噪预处理;步骤2:提取所述原始超声信号的特征频谱称为原始频谱,以及提取经过预处理的超声信号的特征频谱称为预处理频谱;步骤3:将所述原始频谱与所述预处理频谱输入改进的降噪自编码器进行训练,得到训练好的编码器E,其中,改进的降噪自编码器对预处理频谱添加白噪声得到含噪频谱,通过编码器编码得到潜在特征频谱,通过解码器解码得到重构频谱,计算重构频谱和原始频谱之间的损失函数,改进的降噪自编码器以得到重构频谱和原始频谱的损失函数最小值为目标进行迭代训练得到编码器E;步骤4:通过超声信号采集装置采集实际环境中的随机信噪比局部放电超声信号;步骤5:对所述随机信噪比局部放电超声信号提取特征频谱,称为实际频谱;步骤6:利用编码器E对所述实际频谱进行编码,得到实际潜在特征序列;步骤7:对实际潜在特征序列进行马尔可夫变迁场变换,得到特征图谱;步骤8:采用分层抽样的方式将所述特征图谱分为训练集和测试集;步骤9:利用训练集训练神经网络得到判断函数;步骤10:利用所述判断函数对测试集进行模式识别,得到模式识别结果。
全文数据:
权利要求:
百度查询: 西安交通大学 随机信噪比局部放电超声信号模式识别方法
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。