买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州交通大学

摘要：本发明公开了一种基于时频融合特征的特高频局放信号模式识别方法，属于局部放电模式识别技术领域，该方法融合了经过动态时间规整算法进行相似性对齐后的时域信息和经过小波散射提取的时移不变、多尺度频域特征，丰富了局放脉冲信号的特征表示。具体包括步骤一：采集变压器绝缘缺陷导致的局放信号；步骤二：对数据进行预处理，周期截取，数据归一化，去噪，脉冲信号提取，数据集构建；步骤三：使用动态时间规整算法对训练集进行相似性对齐增强；步骤四：构建小波散射特征提取网络，提取数据的频域特征并进行维度变换；步骤五：融合时频域特征信息，使用融合后的数据训练分类器，最后使用参数优化后的模型对局放类型进行模式识别。

主权项：1.一种基于时频融合特征的特高频局放信号模式识别方法；包括以下步骤：S1、搭建不同类型的缺陷模型并对缺陷模型施加不同等级区间的高电压，找到合适的加压区间，使局放信号的采集达到阈值要求，通过高频电流互感器采集不同类型的局部放电特高频信号；S2、数据预处理，对局部放电信号进行完整周期截取，数据归一化、数据去噪、局部放电脉冲信号数据提取，数据集构建；S3、对于训练集中的局部放电数据使用动态时间规整算法进行相似性对齐，增加同类型局放数据的类内相似性，减少因信号扩展和变形带来的影响，以便于提取有效的局放信号时域特征；S4、对于经过动态时间规整算法增强后的局放数据集使用小波散射特征提取网络对局放脉冲信号进行特征提取，得到局放的频域特征信息；S5、将时域信息和频域信息进行融合得到局放数据的时频融合特征向量，将融合后的特征数据传入分类模型中进行训练，经过参数优化后得到可用于局放模式识别的分类器模型，输入局放信号即可完成模式识别任务；进一步的，所述步骤S3包括以下子步骤：S31、对训练集中不同类型的局放数据进行可视化遍历，在每一个类别文件中，选择放电波形较为标准的数据作为标准脉冲波形standard_paulse，使用标准脉冲波形对文件中其余波形数据循环进行动态时间规整算法计算得到累计距离矩阵，通过累计距离矩阵可得到每条脉冲波形数据与标准波形standard_paulse进行相似性对齐后的最小相似度并可以通过回溯累计距离矩阵得到最小相似度下对应的扩展路径；其中累计距离矩阵中每个元素的计算公式为： 分别代表两条对比信号序列中元素的索引值，表示索引对应元素的最小距离值，表示对应元素的实际距离；S32、对于每条脉冲波形数据按计算出的最小相似度扩展路径进行数据扩展，扩展后的训练集中的脉冲波形数据具有更接近的相似度，该处理方法能够消除因部分波形畸变带来的影响，增强了脉冲数据的类间相似性；进一步的，所述步骤S4包括以下子步骤：S41、搭建小波散射特征提取网络，优选为三层，通过小波卷积，模数非线性、池化操作得到增强后局放波形数据的高频散射特征，该高频散射特征包含了局放波形的频域特征信息；S42、对得到的高频散射特征进行维度变换，得到一维的频域特征向量，该一维数据的不同区间段代表了不同的高频信息特征；其中S5的具体时频域特征融合过程为：将高频散射特征维度变换后得到了包含不同频率成分的频域特征向量，将该向量与经过动态时间规整算法增强后的时域波形数据进行拼接得到融合了时频域特征信息的特征数据，并使用该特征数据构建数据集。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种基于时频融合特征的特高频局放信号模式识别方法