[发明专利]一种基于微分进化神经网络的OTDR故障特征判断方法有效
| 申请号： | 201910362524.8 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110212975B | 公开（公告）日： | 2020-09-29 |
| 发明（设计）人： | 韩伟;张峰;孔圣立;李琼林;刘磊;时晨;乔利红;蔡得雨;吴春红;党一奇;段文岩 | 申请（专利权）人： | 国网河南省电力公司电力科学研究院;郑州创展科技有限公司;国家电网有限公司 |
| 主分类号： | H04B10/071 | 分类号： | H04B10/071 |
| 代理公司： | 苏州知途知识产权代理事务所(普通合伙) 32299 | 代理人： | 张锦波 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于微分进化神经网络的OTDR故障特征判断方法，先采集充分多的OTDR故障特征诊断数据，对诊断数据进行去噪并剪断操作处理后，输入神经网络中进行训练，训练好的神经网络即可以应用到对OTDR的故障点判断。本申请的方法将OTDR的故障点判断问题转换为神经网络的模式识别，利用神经网络的模式识别优势，高精度地判断故障点的位置和类型。 | ||
| 搜索关键词： | 一种 基于 微分 进化 神经网络 otdr 故障 特征 判断 方法 | ||
【主权项】：
1.一种基于微分进化神经网络的OTDR故障特征判断方法，其特征在于，包括以下步骤：S1：构建特征数据集，使用OTDR对多条种类的光纤进行测试，每个测试包含多条测试原始数据，形成初始原始数据集N1；对初始原始数据集N1进行分析，获得每条测试原始数据对应的故障类型，去除噪声数据后形成特征数据集N2；S2：将特征数据集N2进行剪断，对每条特征数据集N2，每隔M个点来进行剪断，建立子样本矩阵[ai1,ai2……ain]，其中i～1‑X，X为特征数据集N2的总条数，将每个子样本矩阵与故障类型进行对应，故障类型为剪断前测试原始数据的故障类型，共形成N2/M个数据样本；S3：对数据样本进行归一化处理，形成测试数据集；S4：形成测试数据集之后，使用训练算法和测试数据集来对人工神经网络进行训练；S5：利用微分进化算法对神经网络进行结构优化和权值训练，权值训练和结构优化同时进行；S6：获取待判断的OTDR测试数据，对OTDR测试数据以每隔M个点对待判断的OTDR测试数据进行剪断，建立子样本矩阵[ai1,ai2……ain]，将每个建立子样本矩阵[ai1,ai2……ain]中的数据进行S3步骤中的归一化操作后输入到S5步骤中训练好的神经网络中；S7：根据神经网络的输出值确定故障类型。
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国网河南省电力公司电力科学研究院;郑州创展科技有限公司;国家电网有限公司，未经国网河南省电力公司电力科学研究院;郑州创展科技有限公司;国家电网有限公司许可，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/201910362524.8/，转载请声明来源钻瓜专利网。
