• 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    高壓開(kāi)關(guān)柜缺陷類型判斷方法技術(shù)

    技術(shù)編號(hào):39330508 閱讀:16 留言:0更新日期:2023-11-12 16:06
    本發(fā)明專利技術(shù)公開(kāi)了一種高壓開(kāi)關(guān)柜缺陷類型判斷方法,步驟包括超聲波信號(hào)采集、信號(hào)去噪、特征值提取、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、計(jì)算輸出值和缺陷類型判斷等。其中神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟包括網(wǎng)絡(luò)初始化、隱含層輸出計(jì)算、輸出層輸出計(jì)算、誤差計(jì)算、權(quán)值更新和閾值更新等。本發(fā)明專利技術(shù)通過(guò)將采集到的超聲信號(hào)進(jìn)行降噪處理,排除噪聲干擾,使接下來(lái)提取的特征值數(shù)據(jù)更有效簡(jiǎn)約。利用時(shí)域和頻域分析法,提取局部放電的超聲信號(hào)特征值,提高預(yù)測(cè)模型的效率。引入算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,通過(guò)提取的特征值進(jìn)行訓(xùn)練和預(yù)測(cè),能對(duì)缺陷類型進(jìn)行快速判別,且識(shí)別率高。且識(shí)別率高。且識(shí)別率高。

    【技術(shù)實(shí)現(xiàn)步驟摘要】
    高壓開(kāi)關(guān)柜缺陷類型判斷方法


    [0001]本專利技術(shù)涉及電力設(shè)備監(jiān)測(cè)領(lǐng)域,尤其是一種基于超聲波檢測(cè)技術(shù)的高壓開(kāi)關(guān)柜缺陷類型判斷方法。

    技術(shù)介紹

    [0002]柜內(nèi)缺陷是高壓開(kāi)關(guān)柜設(shè)備缺陷中較為常見(jiàn)的一種類型,其也是導(dǎo)致高壓開(kāi)關(guān)柜設(shè)備故障的重要原因之一,因此針對(duì)高壓開(kāi)關(guān)柜內(nèi)的缺陷進(jìn)行檢測(cè)具有十分重大的意義。由于超聲波檢測(cè)法在實(shí)際應(yīng)用中不會(huì)受到電氣因素的干擾,故此這種方法經(jīng)常被應(yīng)用于高壓開(kāi)關(guān)柜缺陷的檢測(cè)中。常規(guī)超聲檢測(cè)使用的超聲波探傷儀只能提供回波信號(hào)時(shí)域方面的信息,對(duì)于缺陷性質(zhì)的評(píng)定更多地依賴于檢測(cè)人員的技術(shù)和經(jīng)驗(yàn),致使缺陷定性的可靠性受到限制。另外人力判斷的準(zhǔn)確度和速度都相對(duì)較低,不能及時(shí)對(duì)高壓開(kāi)關(guān)柜內(nèi)的缺陷類型進(jìn)行準(zhǔn)確的判斷。另外由于人力判斷受限于檢修周期的固定,而不能實(shí)現(xiàn)對(duì)于高壓開(kāi)關(guān)柜缺陷進(jìn)行的實(shí)時(shí)監(jiān)測(cè)。

    技術(shù)實(shí)現(xiàn)思路

    [0003]為了解決上述技術(shù)問(wèn)題,本專利技術(shù)提供了一種高壓開(kāi)關(guān)柜缺陷類型判斷方法,其特殊之處在于,包括以下步驟:
    [0004]S1,在被檢測(cè)的高壓開(kāi)關(guān)柜內(nèi)布置超聲波傳感器,利用超聲波傳感器采集高壓開(kāi)關(guān)柜內(nèi)不同缺陷類型的超聲波信號(hào);
    [0005]S2,對(duì)采集到的超聲信號(hào)進(jìn)行降噪處理,去除超聲信號(hào)中高壓開(kāi)關(guān)柜內(nèi)的噪聲干擾;
    [0006]S3,對(duì)降噪處理后的超聲信號(hào)進(jìn)行時(shí)域和頻域分析,在時(shí)域上提取出5個(gè)特征值,在頻域上提取出3個(gè)特征值;
    [0007]S4,根據(jù)在時(shí)域和頻域上提取出的特征值作為的初始訓(xùn)練和測(cè)試數(shù)據(jù),輸入初始神經(jīng)網(wǎng)絡(luò),并對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,最終確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu);
    [0008]S5,利用高壓開(kāi)關(guān)柜內(nèi)布置超聲波傳感器實(shí)時(shí)采集實(shí)時(shí)超聲波信號(hào),按照S2~S3的方法得到實(shí)時(shí)采集超聲信號(hào)在時(shí)域和頻域上的特征值;
    [0009]S6,將得到的實(shí)時(shí)采集超聲信號(hào)在時(shí)域和頻域上的特征值作為輸入值,輸入已確定結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò),得到輸出值,并根據(jù)輸出值判斷高壓開(kāi)關(guān)柜內(nèi)的缺陷類型;
    [0010]其中S4中所述對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括以下幾個(gè)步驟:
    [0011]S401,以超聲信號(hào)在時(shí)域和頻域上提取出的特征值作為輸入序列,以高壓開(kāi)關(guān)柜的缺陷類型作為輸出序列,根據(jù)輸入序列和輸出的序列確定神經(jīng)網(wǎng)絡(luò)第一層輸入層神經(jīng)元數(shù)n、第二層隱含層節(jié)點(diǎn)數(shù)l和輸出層節(jié)點(diǎn)數(shù)m、初始化輸入層和隱含層之間的連接權(quán)值ω
    ij
    、隱含層和輸出層之間的連接權(quán)值ω
    jk
    、初始換隱含層和輸出層的閾值a和閾值b,最后給定學(xué)習(xí)速率η和神經(jīng)元激勵(lì)函數(shù)f(x),完成神經(jīng)網(wǎng)絡(luò)的初始化,其中
    [0012]S402,根據(jù)神經(jīng)網(wǎng)絡(luò)的輸入變量和輸入層和隱含層之間的連接權(quán)值ω
    ij
    以及隱含層的閾值a,計(jì)算出隱含層輸出H,計(jì)算公式為
    [0013][0014]其中l(wèi)為隱含層節(jié)點(diǎn)數(shù),f(x)為神經(jīng)元激勵(lì)函數(shù);
    [0015]S403,根據(jù)隱含層輸出H,隱含層和輸出層之間的連接權(quán)值ω
    jk
    和閾值b,計(jì)算神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出O,計(jì)算公式為
    [0016][0017]其中m為輸出層節(jié)點(diǎn)數(shù);
    [0018]S404,利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出O和期望輸出Y,計(jì)算神經(jīng)網(wǎng)絡(luò)的誤差值e,計(jì)算公式為
    [0019]e
    k
    =Y(jié)
    k
    ?
    O
    k
    k=1,2,

    ,m
    [0020]當(dāng)e
    k
    ≤0.04Y
    k
    時(shí)則認(rèn)定神經(jīng)網(wǎng)絡(luò)的誤差達(dá)到要求,神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢,當(dāng)ek>0.04Y
    k
    時(shí),則認(rèn)定神經(jīng)網(wǎng)絡(luò)訓(xùn)練未完成,需進(jìn)行權(quán)值和閾值更新,跳轉(zhuǎn)至S405;
    [0021]S405,根據(jù)得到的誤差值e對(duì)初始化輸入層和隱含層之間的連接權(quán)值ω
    ij
    以及隱含層和輸出層之間的連接權(quán)值ω
    jk
    進(jìn)行更新,更新后初始化輸入層和隱含層之間的連接權(quán)值ω

    ij
    的計(jì)算公式為
    [0022][0023]更新后的隱含層和輸出層之間的連接權(quán)值ω

    ij
    的計(jì)算公式為
    [0024]ω

    jk
    =ω
    jk
    +ηH
    j
    e
    k
    j=1,2,

    ,l;k=1,2,

    ,m
    [0025]其中η為學(xué)習(xí)速率;
    [0026]S406,根據(jù)得到的誤差值e對(duì)更新閾值a和閾值b進(jìn)行更新,更新后的閾值a
    j

    計(jì)算公式為
    [0027][0028]更新后的閾值a
    j

    計(jì)算公式為
    [0029]ω
    jk

    =ω
    jk
    +ηH
    j
    e
    k
    j=1,2,

    ,l;k=1,2,

    ,m
    [0030]跳轉(zhuǎn)S402。
    [0031]進(jìn)一步地,S2中所述噪聲包括開(kāi)關(guān)柜內(nèi)機(jī)械振動(dòng)、電暈干擾、電磁干擾以及白噪聲。
    [0032]進(jìn)一步地,S3中所述在時(shí)域上提取出5個(gè)特征值分別為在均方根RMS、方差VAR、絕對(duì)積分平均值A(chǔ)VA、峰度BK和偏度BS,
    [0033]其中均方根RMS的計(jì)算公式為
    [0034][0035]方差VAR的計(jì)算公式為
    [0036][0037]絕對(duì)積分平均值A(chǔ)VA的計(jì)算公式為
    [0038][0039]峰度BK的計(jì)算公式為
    [0040][0041]偏度BS的計(jì)算公式為
    [0042][0043]以上公式中,N為采集的局部放電超聲信號(hào)的采樣點(diǎn)數(shù),X
    i
    為第 i個(gè)局部放電超聲信號(hào)采樣點(diǎn)的幅度值,是樣本的平均值,sd是樣本的標(biāo)準(zhǔn)差。
    [0044]進(jìn)一步地,S3中所述在頻域上提取出3個(gè)特征值分別為功率譜最大值MPS、中值頻率MF和平均功率頻率MPF,
    [0045]其中功率譜最大值MPS的計(jì)算公式為
    [0046]MPS=max[Psd(f)],f∈(1,N)
    [0047]中值頻率MF的計(jì)算公式為
    [0048][0049]平均功率頻率MPF的計(jì)算公式為
    [0050][0051]以上公式中,N為采集的局部放電超聲信號(hào)的采樣點(diǎn)數(shù),Psd(f) 為功率譜密度,功率譜密度的計(jì)算公式為
    [0052][0053]其中F(f)為相應(yīng)局部放電超聲信號(hào)周期經(jīng)傅立葉變換后在頻域上的表達(dá)式,N為采集的局部放電超聲信號(hào)的采樣點(diǎn)數(shù)。
    [0054]應(yīng)用本專利技術(shù)所提供高壓開(kāi)關(guān)柜缺陷類型判斷方法,通過(guò)將采集到的超聲信號(hào)進(jìn)行降噪處理,排除噪聲干擾,使接下來(lái)提取的特征值數(shù)據(jù)更有效簡(jiǎn)約。利用時(shí)域和頻域分析法,提取局部放電的超聲信號(hào)特征值,提高預(yù)測(cè)模型的效率。引入算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)
    模型,通過(guò)提取的特征值進(jìn)行訓(xùn)練和預(yù)測(cè),能對(duì)缺陷類型進(jìn)行快速判別,且識(shí)別率高。
    附圖說(shuō)明
    [0055]構(gòu)本文檔來(lái)自技高網(wǎng)
    ...

    【技術(shù)保護(hù)點(diǎn)】

    【技術(shù)特征摘要】
    1.一種高壓開(kāi)關(guān)柜缺陷類型判斷方法,其特征在于,包括以下步驟:S1,在被檢測(cè)的高壓開(kāi)關(guān)柜內(nèi)布置超聲波傳感器,利用超聲波傳感器采集高壓開(kāi)關(guān)柜內(nèi)不同缺陷類型的超聲波信號(hào);S2,對(duì)采集到的超聲信號(hào)進(jìn)行降噪處理,去除超聲信號(hào)中高壓開(kāi)關(guān)柜內(nèi)的噪聲干擾;S3,對(duì)降噪處理后的超聲信號(hào)進(jìn)行時(shí)域和頻域分析,在時(shí)域上提取出5個(gè)特征值,在頻域上提取出3個(gè)特征值;S4,根據(jù)在時(shí)域和頻域上提取出的特征值作為的初始訓(xùn)練和測(cè)試數(shù)據(jù),輸入初始神經(jīng)網(wǎng)絡(luò),并對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,最終確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu);S5,利用高壓開(kāi)關(guān)柜內(nèi)布置超聲波傳感器實(shí)時(shí)采集實(shí)時(shí)超聲波信號(hào),按照S2~S3的方法得到實(shí)時(shí)采集超聲信號(hào)在時(shí)域和頻域上的特征值;S6,將得到的實(shí)時(shí)采集超聲信號(hào)在時(shí)域和頻域上的特征值作為輸入值,輸入已確定結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò),得到輸出值,并根據(jù)輸出值判斷高壓開(kāi)關(guān)柜內(nèi)的缺陷類型;其中S4中所述對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括以下幾個(gè)步驟:S401,以超聲信號(hào)在時(shí)域和頻域上提取出的特征值作為輸入序列,以高壓開(kāi)關(guān)柜的缺陷類型作為輸出序列,根據(jù)輸入序列和輸出的序列確定神經(jīng)網(wǎng)絡(luò)第一層輸入層神經(jīng)元數(shù)n、第二層隱含層節(jié)點(diǎn)數(shù)l和輸出層節(jié)點(diǎn)數(shù)m、初始化輸入層和隱含層之間的連接權(quán)值ω
    ij
    、隱含層和輸出層之間的連接權(quán)值ω
    jk
    、初始換隱含層和輸出層的閾值a和閾值b,最后給定學(xué)習(xí)速率η和神經(jīng)元激勵(lì)函數(shù)f(x),完成神經(jīng)網(wǎng)絡(luò)的初始化,其中S402,根據(jù)神經(jīng)網(wǎng)絡(luò)的輸入變量和輸入層和隱含層之間的連接權(quán)值ω
    ij
    以及隱含層的閾值a,計(jì)算出隱含層輸出H,計(jì)算公式為其中l(wèi)為隱含層節(jié)點(diǎn)數(shù),f(x)為神經(jīng)元激勵(lì)函數(shù);S403,根據(jù)隱含層輸出H,隱含層和輸出層之間的連接權(quán)值ω
    jk
    和閾值b,計(jì)算神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出O,計(jì)算公式為其中m為輸出層節(jié)點(diǎn)數(shù);S404,利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出O和期望輸出Y,計(jì)算神經(jīng)網(wǎng)絡(luò)的誤差值e,計(jì)算公式為e
    k
    =Y(jié)
    k
    ?
    O
    k k=1,2,...,m當(dāng)e
    k
    ≤0.04Y
    k
    時(shí)則認(rèn)定神經(jīng)網(wǎng)絡(luò)的誤差達(dá)到要求,神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢,當(dāng)ek>0.04Y
    k
    時(shí),則認(rèn)定神經(jīng)網(wǎng)絡(luò)訓(xùn)練未完成,需進(jìn)行權(quán)值和閾值更新,跳轉(zhuǎn)至S405;S405,根據(jù)得到的誤差值e對(duì)初始...

    【專利技術(shù)屬性】
    技術(shù)研發(fā)人員:佟永杰李斌李聞昊潘月明邱鵬剛千惠
    申請(qǐng)(專利權(quán))人:國(guó)網(wǎng)遼寧省電力有限公司國(guó)網(wǎng)遼寧省電力有限公司盤錦供電公司國(guó)家電網(wǎng)有限公司
    類型:發(fā)明
    國(guó)別省市:

    相關(guān)技術(shù)
      暫無(wú)相關(guān)專利
    網(wǎng)友詢問(wèn)留言 已有0條評(píng)論
    • 還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。

    1
    主站蜘蛛池模板: 国产成人无码区免费网站| 国产精品无码素人福利免费 | 成人免费无遮挡无码黄漫视频| 无码八A片人妻少妇久久| 免费人妻av无码专区| 中文字幕丰满乱子无码视频| 亚洲AV无码成人网站久久精品大| 亚洲综合一区无码精品| 亚洲真人无码永久在线| 国产成人无码aa精品一区| 无码乱人伦一区二区亚洲| 中文字幕有码无码AV| 国产丰满乱子伦无码专| 亚洲的天堂av无码| 在线精品无码字幕无码AV| 精品无码黑人又粗又大又长| 无码福利一区二区三区| 无码人妻视频一区二区三区| 中文字幕无码久久人妻| 小泽玛丽无码视频一区| 精品人妻无码一区二区三区蜜桃一| 十八禁无码免费网站| 国产精品无码无在线观看| 日韩少妇无码一区二区三区 | 国产精品无码一区二区三区在| 日韩欧精品无码视频无删节| 亚洲AV永久无码精品一百度影院 | 无码中文人妻在线一区| 无码国产69精品久久久久网站| 国产色爽免费无码视频| 国产成人无码a区在线视频 | 亚洲一区AV无码少妇电影☆| 无码国产亚洲日韩国精品视频一区二区三区| 激情无码人妻又粗又大中国人| 无码少妇精品一区二区免费动态| 国产精品视频一区二区三区无码| 中文字幕AV中文字无码亚| 亚洲国产精品无码AAA片| 人妻少妇精品无码专区二区| 熟妇人妻AV无码一区二区三区| 91精品久久久久久无码 |