一种基于时频融合特征的特高频局放信号模式识别方法技术

本发明专利技术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。

【技术实现步骤摘要】

本专利技术涉及局部放电模式识别，特别涉及一种基于时频融合特征的特高频局放信号模式识别方法。

技术介绍

1、快速、准确地识别局部放电模式对于防止工业设备出现与绝缘故障相关的中断至关重要。特高频（uhf）方法由于其良好的多功能性和非接触能力，已被广泛应用于各种工业信号的诊断。深度学习技术自动学习数据特征的方法相比传统手工构建数据特征的方法具有更高效的模式识别效率和更小的工作量；与传统绝缘油化学分析的方法相比具有更强的实时数据分析能力，该技术具有明显的优势。

2、在利用深度学习技术自动提取数据特征之前需要对数据进行有效的处理才能充分利用深度学习模型的特征提取能力，达到较好的识别效果。目前应用比较广泛的用于深度学习模型模式识别的特征变换方法主要有：一维信号波形、相位幅度图（prpd）、时频图、傅里叶变换、emd分解、对称点模式图等技术。这些特征变换方法都存在一定的问题，需要大量的故障数据才能构建prpd图并体现不同类型放电信号的模式特征；其他的特征变换方法都只使用了故障信号时域或者频域单一信息域内的特征信息。经过实验证明，时频域内都包含局放信号有效的特本文档来自技高网...

【技术保护点】

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：

【技术特征摘要】

1.一种基于时频融合特征的特高频局...

【专利技术属性】
技术研发人员：王鹏程，严天峰，郑礼，汤春阳，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：