【技术实现步骤摘要】
本专利技术涉及电力设备的局部放电检测，尤其涉及一种随机信噪比局部放电超声信号模式识别方法。
技术介绍
1、在电力设备检测领域，局部放电往往发生在绝缘故障的早期阶段，对局部放电类型就进行模式识别有助于确定放电类型、辅助检修决策，具有重要的现实意义。局部放电超声信号由于抗电磁干扰、非侵入、灵敏度高等优点，有利于进行局部放电模式识别。
2、声纹识别领域经历了早期时代、高斯混合模型时代、因子分析时代和深度学习时代，现阶段通过神经网络进行声纹识别进入了黄金时期。现阶段的局部放电模式识别多为对固定信噪比的超声信号进行识别，而实际情况中环境噪声复杂多变，噪声强度往往是随机的，这往往会降低现有方法的模式识别准确率。
3、在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
技术实现思路
1、针对现有技术中的不足，本专利技术的目的是提供一种随机信噪比局部放电超声信号模式识别方法，显著提高随机信噪比的局部放电超声信号的识别准确率。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、本专利技术的一种随机信噪比局部放电超声信号模式识别方法包括：
4、步骤1：通过超声信号采集装置采集不同局部放电类型的原始超声信号并对所述原始超声信号进行染噪预处理；
5、步骤2：提取所述原始超声信号的特征频谱称为原始频谱，以及提取经过预处理的超声信号的特征频谱称为预处理频谱；<...
【技术保护点】
1.一种随机信噪比局部放电超声信号模式识别方法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，优选的，局部放电类型包括尖端放电、沿面放电、悬浮放电和复合放电。
3.根据权利要求1所述的方法，其特征在于，染噪时添加的噪声为实际中的环境噪声，添加的噪声强度为使信噪比为-15dB～15dB的随机值。
4.根据权利要求1所述的方法，其特征在于，提取所述原始超声信号的特征频谱、提取经过预处理的超声信号的特征频谱以及对所述随机信噪比局部放电超声信号提取特征频谱均通过傅里叶变换变换到频域，之后截取0～100khz的频谱作为特征频谱。
5.根据权利要求1所述的方法，其特征在于，对预处理频谱添加白噪声的强度为使信噪比为20dB的值。
6.根据权利要求1所述的方法，其特征在于，神经网络为稠密连接网络。
7.根据权利要求1所述的方法，其特征在于，超声信号采集装置包括超声传感器、控制模块、采集卡和PC端。
【技术特征摘要】
1.一种随机信噪比局部放电超声信号模式识别方法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，优选的，局部放电类型包括尖端放电、沿面放电、悬浮放电和复合放电。
3.根据权利要求1所述的方法，其特征在于，染噪时添加的噪声为实际中的环境噪声，添加的噪声强度为使信噪比为-15db～15db的随机值。
4.根据权利要求1所述的方法，其特征在于，提取所述原始超声信号的特征频谱、提取经过预处理...
【专利技术属性】
技术研发人员：董明，关宇，王昊，任明，刘胤康，李晓枫，常益，杨章，柳玉洁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。