CN119537995A 基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法 (国网福建省电力有限公司电力科学研究院)_第1页
CN119537995A 基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法 (国网福建省电力有限公司电力科学研究院)_第2页
CN119537995A 基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法 (国网福建省电力有限公司电力科学研究院)_第3页
CN119537995A 基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法 (国网福建省电力有限公司电力科学研究院)_第4页
CN119537995A 基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法 (国网福建省电力有限公司电力科学研究院)_第5页
已阅读5页,还剩17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

基于时序-谱图-离散数据多模态融合的电据融合缓解故障单一模态样本对诊断模型准确性不足的问题,并提高模型的泛用性和诊断精21.一种基于时序谱图离散数据多模态融合的电力设备故障诊断方法,其特征在于,x224;局放图谱数据预处理:针对局部放电相位分布PR为送入Resnet50网络得到局放的提取特征FsteRsxd,将数值型数据的向量送入一个3层的全连接网络得到数值型数据的提取特征FnureRmum⃞d,其中Nv、Nst和Nnum分别表示三种多3J输入到各自模态的联合交叉注意框架中,以关注单个模态的dtxd分别表示视觉模态和文本模态可学习权重矩阵;使用联合互相关矩阵来计算单个模态的注意映射,对于音频模态阵Wca将联合相关矩阵Ca和相应的音频特征Xa结合起来,然后用ReLU激活函数计算注意映ca为cvKxKcthaKxKhvKxK和Wht∈RKxK分别表示音频、视觉和文本模式的可学习权重矩为获得更精细的特征表示,再次将每个模态的W(1)ht∈RKxK和W(1)ht∈RKxK分别表示音频、视觉和文本模态的可学习4将经过1次迭代后的单个模态的参与特征连接起来,得到多模态融合特征表示X(1)att,将多模态融合特征送入诊断模块,实现对设备故障的诊断,诊断损失Llabeled具体定义为:c5供一种基于时序谱图离散数据多模态融合的电力设备故障诊6[0016]将梅尔谱图数据送入VGG_Net网络得到声振的提取特征pvideoeRNod,将局放图谱数据送入Resnet_50网络得到局放的提取特征将数值型数据的向量送入一值矩阵Wca将联合相关矩阵Ca和相应的音频特征Xa结合起来,然后用ReLU激活函数计算注7[0040]将经过l次迭代后的单个模态的参与特征连接起来,得到多模态融合特征表示X[0047]本发明还提供了一种基于时序_谱图_离散数据多模态融合的电力设备故障诊断89[0069]J=FC([xa;X,;X])eRdf(1)的特征表示。这有助于同时编码在同一模式内以及跨模式之间的模式内和模式间的[0090]将经过l次迭代后的单个模态的参与特征连接起来,得到多模态特络中的权重和偏置。也可采用自适应矩估计法等优化方法对模型训练过程进行进一步优现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0103]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一何熟悉本专业的技术人员可能利用上述揭示的技术内

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