CN114943256B 一种基于时频特征和改进cnn的局部放电识别方法及装置 （常州大学）_第1页
CN114943256B 一种基于时频特征和改进cnn的局部放电识别方法及装置 （常州大学）_第2页
CN114943256B 一种基于时频特征和改进cnn的局部放电识别方法及装置 （常州大学）_第3页
CN114943256B 一种基于时频特征和改进cnn的局部放电识别方法及装置 （常州大学）_第4页
CN114943256B 一种基于时频特征和改进cnn的局部放电识别方法及装置 （常州大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于时频特征和改进CNN的局部放电识其涉及一种基于时频特征和改进CNN的局部放电里叶阈值滤波；对局放时域信号的脉冲进行截取，用离散的数据采样点表征出脉冲的时域特2取局放脉冲信号的时域特征序列；并通过改进Morlet小波变换对脉冲信号进行时频变换，第一通道是一维网络模型，具体包含4个卷积层和2个池化32.根据权利要求1所述的基于时频特征和改进CNN的局部放电识别方法，其特征在于，对局放信号进行快速傅里叶变换获取对应的频域波形，找出傅里叶频谱中的极大值加宽处理频带，对置零区域使用最小二乘法作多项式拟3.根据权利要求2所述的基于时频特征和改进CNN的局部放电识别方法，其特征在于，4.根据权利要求2所述的基于时频特征和改进CNN的局部放电识别方法，其特征在于，所述对局放时域信号的脉冲进行截取包括：对截取的数据进行划分，将数据等分为N个区5.一种采用如权利要求1所述的基于时频特征和改进CNN的局部放电识别方法的装置，6.根据权利5所述的基于时频特征和改进CNN的局部放电识别方法的装置，其特征在4[0001]本发明涉及电气设备故障识别技术领域，尤其涉及一种基于时频特征和改进CNN56[0028]1、使用小波变换对局部放电时域脉冲数据进行时频特征提取时，使用优化的[0030]3、使用的FPGA高速数据采集系统可以实现对局放脉冲信号的高速采集和大容量型局放缺陷的电极模型；采用HFCT高频电流传感器感应局放模型产生的脉冲信号，通过FPGA高速数据采集系统对产生的信号进行7的时域特征序列；8[0063]选用相同的中心频率，使用改进前后的小波基函数绘制对比发现优化后的Morlet小波时频特征提取的效果好并且在频域上的分辨[0065]对局放信号的时域特征序列的幅值进行归一化，得到一维时[0071]卷积层使用卷积核对输入进行加权，利用非线性激活函数将其拼接为下一层输层对数据的特征向量进行融合处理；为了防止过拟合，使用Dropout弃权操作，大小设为9。[0091]对比发现本发明的改进卷积神经网络具有更高的识别精度，在同样的迭代次数

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论