龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：福建理工大学
申请日：2023-12-06
公开（公告）日：2024-05-14
公开（公告）号：CN118035637A
主分类号：G06F18/00
分类号：G06F18/00;G06F18/10;G06F18/2411;G06N3/0442;G06N3/049;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：2024.05.31#实质审查的生效;2024.05.14#公开
摘要：本发明公开一种基于LSTM‑SVM的高压断路器机械状态预测方法，采集处于四种机械状态下的分合闸线圈电流信号、三相触头换位信号和触头行程信号，随即计算出对应的机械特性参数，作为为SVM故障诊断模型的训练集以调整模型参数。将4种机械状态的三相触头换位信号、触头运动行程和分合闸线圈电流分别输入三个LSTM模型进行训练，网络训练完成后对以上信号进行预测并利用预测结果计算出机械特性参数。将计算出的机械特性参数作为测试集输入训练好的SVM故障诊断模型，验证故障诊断模型的有效性，完成高压断路器故障诊断。本发明提出的方法可以较为准确的预测高压断路器的机械状态，为实现断路器机械状态预测性维护奠定基础。
主权项：1.一种基于LSTM-SVM的高压断路器机械状态预测方法，其特征在于：其包括以下步骤：步骤S1，采集处于不同机械状态下的分合闸线圈电流信号、三相触头换位信号和触头行程信号，随即计算出各个机械状态下的机械特性参数，并作为SVM故障诊断模型的训练集以调整模型参数；步骤S2，基于LSTM模型构建一级学习器，并将各个机械状态的三相触头换位信号、触头运动行程和分合闸线圈电流输入LSTM模型以训练LSTM模型，LSTM模型网络训练完成后对分合闸线圈电流信号、三相触头换位信号和触头行程信号进行预测，并利用预测结果计算出机械特性参数；步骤S3，将计算出的机械特性参数作为测试集输入训练好的SVM故障诊断模型得到高压断路器的机械状态，验证故障诊断模型的有效性，完成高压断路器故障诊断。
全文数据：
权利要求：
百度查询： 福建理工大学 一种基于LSTM-SVM的高压断路器机械状态预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号