[发明专利]基于多线路关联的电路故障诊断方法及其系统

权利要求书

1.一种基于多线路关联的电路故障诊断方法，其特征在于，包括：训练阶段，包括：通过电流传感器获取部署于实验室的整体电路中各条线路的电流信号的波形图；将各条所述线路的电流信号的波形图分别通过第一卷积神经网络以获得多个第一特征矩阵；将所述多个第一特征矩阵按照样本维度构造为输入张量后通过使用三维卷积核的第二卷积神经网络以获得电流整体特征向量；对所述电路整体特征向量进行柯西重概率化以获得修正后电路整体特征向量，其中，对所述电路整体特征向量进行柯西重概率化表示计算以所述电路整体特征向量中各个位置的特征值为幂的自然指数函数值除以以所述电路整体特征向量中各个位置的特征值为幂的自然指数函数值的加和之商加上一的对数值；获取所述实验室的整体电路中各条线路的邻接矩阵，所述邻接矩阵中非对角线位置上各个位置的特征值表示相应两条线路之间的串并联关联，其中，如果相应两条线路是串联关系，则所述邻接矩阵对应位置的特征值为1，如果相应两条线路是串联关系，则所述邻接矩阵对应位置的特征值为0，其中，所述邻接矩阵中对角线位置上各个位置的特征值为1；将所述邻接矩阵通过第三卷积神经网络以获得邻接特征矩阵；将所述邻接特征矩阵与所述修正后电路整体特征向量进行矩阵相乘以将所述修正后电路整体特征向量映射到所述邻接特征矩阵的高维特征空间中以获得分类特征向量；将所述分类特征向量通过分类器以获得分类损失函数值；以及基于所述分类损失函数值对所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络进行训练；以及推断阶段，包括：通过电流传感器获取部署于实验室的整体电路中各条线路的电流信号的波形图；将各条所述线路的电流信号的波形图分别通过经训练阶段训练完成的所述第一卷积神经网络以获得多个第一特征矩阵；将所述多个第一特征矩阵按照样本维度构造为输入张量后通过经训练阶段训练完成的所述使用三维卷积核的第二卷积神经网络以获得电流整体特征向量；获取于实验室的整体电路中各条线路的邻接矩阵，所述邻接矩阵中非对角线位置上各个位置的特征值表示相应两条线路之间的串并联关联，其中，如果相应两条线路是串联关系，则所述邻接矩阵对应位置的特征值为1，如果相应两条线路是串联关系，则所述邻接矩阵对应位置的特征值为0，其中，所述邻接矩阵中对角线位置上各个位置的特征值为1；将所述邻接矩阵通过经训练阶段训练完成的所述第三卷积神经网络以获得邻接特征矩阵；将所述邻接特征矩阵与所述电路整体特征向量进行矩阵相乘以获得分类特征向量；以及将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示实验室的整体电路中是否存在低压电弧故障。

2.根据权利要求1所述的基于多线路关联的电路故障诊断方法，其中，将各条所述线路的电流信号的波形图分别通过第一卷积神经网络以获得多个第一特征矩阵，包括：所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的全局均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为所述第一特征矩阵。

3.根据权利要求2所述的基于多线路关联的电路故障诊断方法，其中，将所述多个第一特征矩阵按照样本维度构造为输入张量后通过使用三维卷积核的第二卷积神经网络以获得电流整体特征向量，包括：所述使用三维卷积核的第二卷积神经网络以如下公式对所述输入张量进行编码以获得所述电流整体特征向量；其中，所述公式为：

其中表示所述电流整体特征向量，H_j、W_j和R_j分别表示三维卷积核的长度、宽度和高度，m表示第(l-1)层特征图的个数，是与(l-1)层的第m个特征图相连的卷积核，b_lj为偏置，f(·)表示激活函数。

4.根据权利要求3所述的基于多线路关联的电路故障诊断方法，其中，对所述电路整体特征向量进行柯西重概率化以获得修正后电路整体特征向量，包括：以如下公式对所述电路整体特征向量进行柯西重概率化以获得所述修正后电路整体特征向量；其中，所述公式为：

其中，exp(V_i)表示计算以所述电路整体特征向量中各个位置的特征值为幂的自然指数函数值；表示计算以所述电路整体特征向量中各个位置的特征值为幂的自然指数函数值的加和。