【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于電弧故障檢測，具體涉及一種用于電弧故障檢測的聲譜圖特征增強方法，以及串聯(lián)交流電弧故障檢測方法、系統(tǒng)。
技術(shù)介紹
1、電路的長期使用會不可避免地導(dǎo)致線纜絕緣發(fā)生老化或破損的現(xiàn)象。這將極其容易引發(fā)電弧的產(chǎn)生，進而導(dǎo)致電氣火災(zāi)的發(fā)生，造成重大損失。因此，有必要對電路中的電弧故障進行精準(zhǔn)檢測，以防事故的發(fā)生。然而，發(fā)生串聯(lián)故障電弧時，電流所攜帶的故障特征信息很容易被所謂的屏蔽負載所掩蓋，使得準(zhǔn)確檢測串聯(lián)電弧故障更具挑戰(zhàn)性。目前的大部分電弧故障檢測方法考慮的負載類型還不夠完備，且其檢測的準(zhǔn)確率還有待提升。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)為了解決現(xiàn)有的電弧故障檢測存在電流所攜帶的故障特征信息很容易被所謂的屏蔽負載所掩蓋的問題。
2、一種用于電弧故障檢測的聲譜圖特征增強方法，包括以下步驟：
3、針對負載條件下電流信號的時間序列數(shù)據(jù)，進行短時傅里葉變換以獲取電流信號的時頻信息ct,f，得到的結(jié)果ct,f是在時間t和頻率f處的時頻信息，將其可視化后得到原始電流信號的聲譜圖；
4、基于原始電流信號的聲譜圖，將其按照st,f＝10×log10(ct,f)進行處理，得到增強后的聲譜圖，增強后的聲譜圖用于電弧故障檢測。
5、進一步地，對原始時間序列數(shù)據(jù)進行短時傅里葉變換以獲取電流信號的時頻信息ct,f的過程如下：
6、將電流信號的時間序列數(shù)據(jù)c[n]按照如下公式進行短時傅里葉變換得到時頻信息ct,f：
7、
8、
9、一種串聯(lián)交流電弧故障檢測方法，包括以下步驟：
10、采集負載條件下電流信號時間序列數(shù)據(jù)，利用所述的一種用于電弧故障檢測的聲譜圖特征增強方法進行增強，得到增強后的聲譜圖，然后輸入基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型進行故障檢測，電弧故障檢測模型輸出電弧故障檢測結(jié)果。
11、進一步地，所述基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型為基于通道-空間相關(guān)注意力機制構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型，即將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型；
12、所述通道-空間相關(guān)注意力機制如下：
13、首先利用bam架構(gòu)計算通道注意力mc(t)和空間注意力ms(t)，并按照式(3)將通道注意力與空間注意力進行初步融合；
14、
15、其中，t為輸入張量，σ為sigmoid激活函數(shù)；
16、按照式(4)計算通道注意力與空間注意力的相關(guān)性；
17、
18、其中，mc(t)·ms(t)表示通道注意力與空間注意力的相關(guān)系數(shù)，d為通道數(shù)量，softmax(·)表示softmax函數(shù)；
19、按照式(5)將通道注意力與空間注意力的相關(guān)性加權(quán)到bam架構(gòu)的最終輸出；
20、
21、其中，to′utput為cscam最終輸出。
22、進一步地，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為resnet18。
23、進一步地，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，將通道-空間相關(guān)注意力機制嵌入到resnet18的第一個卷積單元之后。
24、一種串聯(lián)交流電弧故障檢測系統(tǒng)，包括：
25、電流信號采集單元：用于采集負載條件下電流信號時間序列數(shù)據(jù)；
26、聲譜圖增強單元：利用所述的一種用于電弧故障檢測的聲譜圖特征增強方法進行增強，得到增強后的聲譜圖；
27、故障檢測單元：將增強后的聲譜圖作為輸入，基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型進行故障檢測，電弧故障檢測模型輸出電弧故障檢測結(jié)果。
28、進一步地，所述基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型為基于通道-空間相關(guān)注意力機制構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型，即將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型；
29、所述通道-空間相關(guān)注意力機制如下：
30、首先利用bam架構(gòu)計算通道注意力mc(t)和空間注意力ms(t)，并按照式(3)將通道注意力與空間注意力進行初步融合；
31、
32、其中，t為輸入張量，σ為sigmoid激活函數(shù)；
33、按照式(4)計算通道注意力與空間注意力的相關(guān)性；
34、
35、其中，mc(t)·ms(t)表示通道注意力與空間注意力的相關(guān)系數(shù)，d為通道數(shù)量，softmax(·)表示softmax函數(shù)；
36、按照式(5)將通道注意力與空間注意力的相關(guān)性加權(quán)到bam架構(gòu)的最終輸出；
37、
38、其中，to′utput為cscam最終輸出。
39、進一步地，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為resnet18。
40、進一步地，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，將通道-空間相關(guān)注意力機制嵌入到resnet18的第一個卷積單元之后。
41、有益效果：
42、本專利技術(shù)在特征增強階段通過對原始聲譜圖進行對數(shù)運算，能夠突出聲譜圖的高頻細節(jié)，可以有效的突出電流所攜帶的故障特征信息，從而有效避免其被屏蔽負載所掩蓋，有助于提升檢測效果。同時本專利技術(shù)針對聲譜圖中還構(gòu)建了融和通道-空間相關(guān)注意力機制的檢測模型，能夠有效增加其關(guān)鍵特征的權(quán)重，為準(zhǔn)確檢測串聯(lián)電弧故障與辨識負載類型提供了保障。本專利技術(shù)可以有效的提高串聯(lián)交流電弧故障的檢測效果。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種用于電弧故障檢測的聲譜圖特征增強方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種用于電弧故障檢測的聲譜圖特征增強方法，其特征在于，對原始時間序列數(shù)據(jù)進行短時傅里葉變換以獲取電流信號的時頻信息Ct,f的過程如下：
3.一種串聯(lián)交流電弧故障檢測方法，其特征在于，包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，所述基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型為基于通道-空間相關(guān)注意力機制構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型，即將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型；
5.根據(jù)權(quán)利要求4所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為ResNet18。
6.根據(jù)權(quán)利要求5所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，將通道-空間相關(guān)注意力機制嵌入到ResNet18的第一個卷積單元之后。
7.一種串
8.根據(jù)權(quán)利要求7所述的一種串聯(lián)交流電弧故障檢測系統(tǒng)，其特征在于，所述基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型為基于通道-空間相關(guān)注意力機制構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型，即將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型；
9.根據(jù)權(quán)利要求8所述的一種串聯(lián)交流電弧故障檢測系統(tǒng)，其特征在于，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為ResNet18。
10.根據(jù)權(quán)利要求9所述的一種串聯(lián)交流電弧故障檢測系統(tǒng)，其特征在于，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，將通道-空間相關(guān)注意力機制嵌入到ResNet18的第一個卷積單元之后。
...【技術(shù)特征摘要】
1.一種用于電弧故障檢測的聲譜圖特征增強方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種用于電弧故障檢測的聲譜圖特征增強方法，其特征在于，對原始時間序列數(shù)據(jù)進行短時傅里葉變換以獲取電流信號的時頻信息ct,f的過程如下：
3.一種串聯(lián)交流電弧故障檢測方法，其特征在于，包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，所述基于深度學(xué)習(xí)技術(shù)構(gòu)建的電弧故障檢測模型為基于通道-空間相關(guān)注意力機制構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型，即將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型；
5.根據(jù)權(quán)利要求4所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，將通道-空間相關(guān)注意力機制嵌入深度學(xué)習(xí)網(wǎng)絡(luò)模型中得到的網(wǎng)絡(luò)模型的過程中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為resnet18。
6.根據(jù)權(quán)利要求5所述的一種串聯(lián)交流電弧故障檢測方法，其特征在于，將通道-空間相關(guān)注...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周學(xué)，代文鑫，陳昊，王棋，翟國富，
申請(專利權(quán))人：哈爾濱工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。