[发明专利]基于深度学习的局部放电超声音频识别方法及系统在审
| 申请号： | 201610996885.4 | 申请日： | 2016-11-10 |
| 公开（公告）号： | CN106546892A | 公开（公告）日： | 2017-03-29 |
| 发明（设计）人： | 黄成军;郭灿新;欧阳三元;宋方;张克勤 | 申请（专利权）人： | 华乘电气科技（上海）股份有限公司 |
| 主分类号： | G01R31/12 | 分类号： | G01R31/12 |
| 代理公司： | 上海汉声知识产权代理有限公司31236 | 代理人： | 郭国中 |
| 地址： | 200433 上海市杨浦*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的局部放电超声音频识别方法及系统，包括通过检测电力设备的局部放电超声信号，获得局部放电超声音频数据；将局部放电超声音频数据转换为声谱图；建立深度卷积神经网络模型，使用样本训练网络；将待诊断的局部放电超声音频数据输入训练好的网络，输出得到局部放电缺陷类型。本发明通过将局部放电超声音频数据转换为声谱图，使用深度卷积神经网络识别声谱图，能准确有效地识别局部放电各类缺陷的超声信号，为电力设备的绝缘状态评估提供了方便而可靠的诊断方法。 | ||
| 搜索关键词： | 基于 深度 学习 局部 放电 超声 音频 识别 方法 系统 | ||
【主权项】：
一种基于深度学习的局部放电超声音频识别方法，其特征在于，包括如下步骤：步骤1：检测电力设备的局部放电超声信号，获得局部放电超声音频数据；步骤2：将局部放电超声音频数据转换为声谱图；步骤3：建立深度卷积神经网络模型，使用样本训练深度卷积神经网络；步骤4：将待诊断的局部放电超声音频数据输入训练好的深度卷积神经网络模型中，输出得到局部放电缺陷类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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华乘电气科技（上海）股份有限公司，未经华乘电气科技（上海）股份有限公司许可，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/patent/201610996885.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种分社区管理的电缆局部放电实时监测系统
- 下一篇：对匝间绝缘缺陷的检测方法
