[发明专利]一种局放源定位方法、装置以及设备在审
申请号: | 202110903978.9 | 申请日: | 2021-08-06 |
公开(公告)号: | CN113866571A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 唐艳;关健杰 | 申请(专利权)人: | 厦门欧易奇机器人有限公司 |
主分类号: | G01R31/12 | 分类号: | G01R31/12;G06K9/62;G06N3/04;G06N3/08;G06N20/10 |
代理公司: | 厦门原创专利事务所(普通合伙) 35101 | 代理人: | 魏思凡 |
地址: | 361000 福建省厦门市翔*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 局放源 定位 方法 装置 以及 设备 | ||
1.一种局放源定位方法,其特征在于,所述方法包括:
通过在待检测设备中布设三个声纹采集装置以采集其中的声纹信号;
分别将三个所述声纹采集装置所采集的声纹信号转化为声谱图,并将三个声谱图进行合成,得到合成后的第一声谱图;
将所述第一声谱图进行处理后得到第一特征向量,将所述第一特征向量输入至CNN网络进行分类训练,得到第一网络模型;
将所述第一网络模型的LOSS函数修改为HingeLoss、全连接层的学习率修改为0、softmax层修改为SVM,并将所述第一声谱图输入至所述SVM中进行分类训练,得到第二网络模型;
根据所述第二网络模型对待检测声谱图进行检测,从而确定所述待检测设备的局放源位置。
2.根据权利要求1所述的一种局放源定位方法,其特征在于,在所述通过在待检测设备中布设三个声纹采集装置以采集其中的声纹信号之前,还包括:
按照预设分布范围对所述待检测设备进行检测空间的划分标注,并在所划分的所述检测空间中设置局放源。
3.根据权利要求1所述的一种局放源定位方法,其特征在于,所述将所述第一声谱图进行处理后得到第一特征向量的步骤包括:
将所述第一声谱图进行N次的卷积层处理后,再经过池化层处理得到第一特征向量,其中,所述第一特征向量包括含有局放的特征向量。
4.根据权利要求3所述的一种局放源定位方法,其特征在于,所述将所述第一声谱图进行N次的卷积层处理的步骤包括:
将所述第一声谱图依次经过第一层卷积层、第二层卷积层和第三层卷积层进行处理;其中,所述第一层卷积层的卷积核大小为11*11*3、步长为3、个数为9个;所述第二层卷积的卷积核大小为7*7,步长为4、个数为9个;所述第三层卷积层的卷积核大小为4*4,步长为4、个数为9个。
5.根据权利要求3所述的一种局放源定位方法,其特征在于,所述池化层的大小为3*3,步长为2。
6.根据权利要求1所述的一种局放源定位方法,其特征在于,在所述将所述第一声谱图输入至所述SVM中进行分类训练之后,还包括:
利用遗传算法对所述SVM的参数进行优化。
7.一种局放源定位装置,其特征在于,所述装置包括:
采集单元,用于通过在待检测设备中布设三个声纹采集装置以采集其中的声纹信号;
合成单元,用于分别将三个所述声纹采集装置所采集的声纹信号转化为声谱图,并将三个声谱图进行合成,得到合成后的第一声谱图;
第一训练单元,用于将所述第一声谱图进行处理后得到第一特征向量,将所述第一特征向量输入至CNN网络进行分类训练,得到第一网络模型;
第二训练单元,用于将所述第一网络模型的LOSS函数修改为HingeLoss、全连接层的学习率修改为0、softmax层修改为SVM,并将所述第一声谱图输入至所述SVM中进行分类训练,得到第二网络模型;
定位单元,用于根据所述第二网络模型对待检测声谱图进行检测,从而确定所述待检测设备的局放源位置。
8.根据权利要求7所述的一种局放源定位装置,其特征在于,所述装置还包括:
划分单元,用于按照预设分布范围对所述待检测设备进行检测空间的划分标注,并在所划分的所述检测空间中设置局放源。
9.一种局放源定位设备,其特征在于,包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序能够被所述处理器执行以实现如权利要求1至6任意一项所述的一种局放源定位方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门欧易奇机器人有限公司,未经厦门欧易奇机器人有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110903978.9/1.html,转载请声明来源钻瓜专利网。