[发明专利]基于特征融合词袋和并行孪生网络的发电机局放识别方法

权利要求书

1.一种基于特征融合词袋和并行孪生网络的发电机局放识别方法，其特征在于按以下步骤进行：

S1：基于发电机定子线棒典型缺陷多描述子特征融合词袋检索模型构建：在实验室环境下采集发电机定子线棒典型缺陷类型在不同电压等级下的放电数据和相位信号数据，获取已知的线棒绝缘缺陷对应的相位图谱作为样本，通过构建SIFT、LBP、HOG和Haar-like多描述子特征，并利用K-Means自适应选择单词本聚类数量获取词袋单词本，利用不同描述子特征融合词袋单词本检索相似局放图谱；

S2：基于多相并行孪生网络的局放度量计算：通过实验室采集到的典型局放样本训练AlexNet、GoogLeNet、VGG-16、ResNet神经网络并将各神经网络进行网络孪生，共享权值；通过对于不同象限不同相位PRPD图谱分割并选择不同SIFT、LBP、HOG和Haar-like多描述子特征映射成向量，然后通过交叉熵函数计算损失，选取距离最小的标签作为测试样本的类别，从而完成分类；

S3：基于相位象限分割的多通道融合局放模式识别：测试时基于PRPD图谱不同相位、不同象限进行模式识别，各通道多相并行孪生网络分别输出相应发电机定子线棒典型缺陷局部放电类型的模式识别结果；多通道结果通过自适应融合策略确定各通道判别结果的权重，整合不同级别孪生网路的模式识别结果，即为发电机定子线棒典型缺陷局部放电类型。

2.根据权利要求1所述基于特征融合词袋和并行孪生网络的发电机局放识别方法，其特征在于：S1所述的基于发电机定子线棒典型缺陷多描述子特征融合词袋检索模型构建，具体按以下步骤进行：

S1.1：在实验室环境下采集发电机定子线棒典型缺陷类型在不同电压等级下的放电数据和相位信号数据，获取已知的线棒绝缘缺陷对应的相位图谱作为样本，发电机定子局放类型包含内部放电、槽放电、端部放电和振动火花放电四种类型；

S1.2：基于实验室采集到的四种不同类型发电机定子缺陷类型的局部放电样本数据，基于SIFT尺度不变特征变换(Scale-invariant feature transform，SIFT)、LBP局部二值模式(LocalBinary Pattern)、HOG方向梯度直方图(histogram of oriented gradient，HOG)和Haar-like哈尔特征的多描述子特征提取PRPD图谱不同词袋特征组成PRPD图谱词袋样本库，并利用K-Means自适应选择单词本聚类数量获取词袋单词本；

S1.3：统计SIFT、LBP、HOG和Haar-like多描述子特征单词表中每个单词在图谱中出现的次数，从而将PRPD图谱表示成为一个K维数值向量，并利用不同多描述子特征融合数值向量检索相似局放图谱，得到一个对应的检索样本补充到PRPD图谱词袋样本库，与原相位图谱样本形成样本对；

S1.4：重复S1.2-S1.3的步骤，在每次采集到工业现场新的发电机定子局放信号后，更新定子线棒典型缺陷局放PRPD图谱词袋样本库及对应SIFT、LBP、HOG和Haar-like多描述子特征，进而丰富发电机定子线棒词袋样本多样性。