[发明专利]利用神经网络进行电器类别判断的方法、装置及设备

说明书

本发明提供一种利用神经网络进行电器类别判断的方法、装置及设备，方法包括：获取待判别的目标电器的宏观电学信号以及微观电学信号；对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征；将所述的多组特征进行拼接，得到电器开关状态特征；将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述目标电器的类别。本发明通过对目标电器的电器开关状态特征进行提取，在通过神经网络模型基于所述电器开关状态特征进行电器类别的判别，可保证对已知电器进行判别的精确程度，同时也可保证对未知电器进行判别的可靠性。

技术领域

本发明涉及电器领域，具体而言，涉及一种利用神经网络进行电器类别判断的方法、装置及设备。

背景技术

电器是人们生活和工作中不可或缺的产品。各种电器的出现为人们的工作和生活提供了极大的便利。

在一些情况下，有时候需要对电器的类别或者品牌等进行判别，以判断当前的电器是否为危险电器或者电器是否是假冒伪劣产品。现有的判别方式一般是通过人工判断或者是通过在电器上的标签、说明书等来判断。然而这种判断方式需要依赖于人工经验，可靠性不高。

发明内容

有鉴于此，本发明实施例的目的在于提供一种利用神经网络进行电器类别判断的方法、装置、设备，能够提高电器类型判别的可靠性。

本发明实施例提供一种利用神经网络进行电器类别判断的方法，包括：

获取待判别的目标电器的宏观电学信号以及微观电学信号；

对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征；

将所述的多组特征进行拼接，得到电器开关状态特征；

将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述目标电器的类别。

优选地，所述宏观电学信号包括电器开关时刻的基波电流电压相位差；所述微观电学信号包括电流时序波形数据。

优选地，所述对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征具体为：

将电流时序波形数据进行离散小波变换，得到重采样后的时域数据t₁以及小波系数f₁；

对重采样的时域数据t₁进行快速傅里叶变换，得到对应的频域特征f₂；

使用第一RNN提取时域数据t₁的特征得到f₃，由此通过电流时序波形数据得到了三组特征f₁、f₂、f₃；

将宏观电学特征输入至第二RNN中，得到特征f₄。

优选地，将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述电器的类别，具体为：

通过BP神经网络将具有第一维度的电器开关状态特征投影到第二维度的空间；其中，所述第一维度大于第二维度，所述空间中的每个坐标轴代表了一种已知的电器；

计算所述目标电器在各个坐标轴投影的几何距离，以计算出目标电器与各个已知的电器的相似程度；

根据所述相似程度判断所述目标电器的类别。

优选地，当需要添加未知电器到已知电器库中，则将所述未知电器的投影向量添加到所述空间中即可。

优选地，在获取待判别的目标电器的宏观电学信号以及微观电学信号之前，还包括：