一种基于S变换的放电信号识别方法及识别系统技术方案

本发明专利技术涉及信号处理的技术领域，更具体地，涉及一种基于S变换的放电信号识别方法及识别系统，包括以下步骤：S10.获取神经网络的训练样本；S20.搭建基于S变换的神经网络，并使用步骤S10中所述训练样本对所述神经网络进行训练，得到训练好的神经网络；S30.将待识别的放电信号输入到步骤S20训练好的神经网络中，根据神经网络输出值判断放电信号类别。本发明专利技术将S变换和神经网络有机结合，解决了现有技术中S变换和神经网络在分类过程中是两个完全独立的部分的问题，提高局部放电信号识别的准确性和稳定性。

A method and recognition system of discharge signal based on S-transform

【技术实现步骤摘要】
一种基于S变换的放电信号识别方法及识别系统
本专利技术涉及信号处理的
，更具体地，涉及一种基于S变换的放电信号识别方法及识别系统。
技术介绍
随着计算机技术的发展和人工智能的兴起，模式识别已经广泛应用于局部放电信号分析和研究中，成为一种重要的故障诊断方法。基于计算机人工智能算法的模式识别获取的局部放电信息比目测的结果具有更丰富的细节，能够反映出不同来源的局部放电信号更细微的差异。模式识别包括特征提取和分类器分类两个步骤：在特征提取方法中，S变换作为短时傅里叶变换和小波变换的继承和发展，结合了两者的优点，在高频段具有较高的时间分辨率，在低频段具有较高的频率分辨率，更有利于对非平稳信号进行处理，已应用于局部放电信号的特征提取；在分类器选取方面，人工神经网络由大量处理单元互联组成，具有自学习、自组织、自适应等特点，已成功应用于对局部放电信号进行分类。如何将S变换特征提取方法和神经网络分类器的优势结合起来，成为人们关注的问题。为将两者优势结合，传统的方法是基于S变换进行信号特征向量提取，并将特征向量作为网络的输入进行分类。但在分类过程中，本文档来自技高网...

【技术保护点】
1.一种基于S变换的放电信号识别方法，其特征在于，包括以下步骤：/nS10.获取神经网络的训练样本；/nS20.搭建基于S变换的神经网络，并使用步骤S10中所述训练样本对所述神经网络进行训练，得到训练好的神经网络；/nS30.将待识别的放电信号输入到步骤S20训练好的神经网络中，根据神经网络输出值判断放电信号类别。/n

【技术特征摘要】
1.一种基于S变换的放电信号识别方法，其特征在于，包括以下步骤：
S10.获取神经网络的训练样本；
S20.搭建基于S变换的神经网络，并使用步骤S10中所述训练样本对所述神经网络进行训练，得到训练好的神经网络；
S30.将待识别的放电信号输入到步骤S20训练好的神经网络中，根据神经网络输出值判断放电信号类别。


2.根据权利要求1所述的基于S变换的放电信号识别方法，其特征在于，步骤S10中，所述训练样本包括四种类别放电信号：电缆本体局部放电信号、电缆终端头局部放电信号、开关柜的电晕放电信号和开关柜的表面放电信号，每种类别放电信号的样本数均为T，每个放电信号的采样长度为K。


3.根据权利要求2所述的基于S变换的放电信号识别方法，其特征在于，步骤S20中，所述基于S变换的神经网络包括输入层、S变换层、第一隐含层、第二隐含层和输出层。


4.根据权利要求3所述的基于S变换的放电信号识别方法，其特征在于，S变换层采用的基函数Y表示为：



式中，i表示复数因子；
所述基于S变换的神经网络输出表示为：



式中，P为输出层的神经元个数，K为输入层的神经元个数，J为S变换层的神经元个数，Q为第一隐含层的神经元个数；N为第二隐含层的神经元个数；Wjq为S变换层第j个神经元和第一隐含层第q个神经元的连接权值，Wqn为第一隐含层第q个神经元和第二隐含层第n个神经元的连接权值，Wnp为第二隐含层第n个神经元和输出层第p个神经元的连接权值为；第一隐含层、第二隐含层和输出层采用的传递函数为f，均为sigmoid函数，S(∑)表示对和求模。


5.根据权利要求2至4任一项所述的基于S变换的放电信号识别方法，其特征在于，将电...

【专利技术属性】
技术研发人员：吴炬卓，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司珠海供电局，
类型：发明
国别省市：广东;44