Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华北电力大学;中国电力科学研究院有限公司李美鋆获国家专利权

华北电力大学;中国电力科学研究院有限公司李美鋆获国家专利权

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!

龙图腾网获悉华北电力大学;中国电力科学研究院有限公司申请的专利一种电晕电流脉冲波形分析方法、计算机设备及介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117313829B

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311312942.9,技术领域涉及:G06N3/096;该发明授权一种电晕电流脉冲波形分析方法、计算机设备及介质是由李美鋆;朱广闻;卞星明;何堃;赵录兴设计研发完成,并于2023-10-11向国家知识产权局提交的专利申请。

一种电晕电流脉冲波形分析方法、计算机设备及介质在说明书摘要公布了:本发明公开一种电晕电流脉冲波形分析方法、计算机设备及介质,涉及深度学习技术领域,该方法包括:获取电晕电流的若干原始波形;对于每一原始波形,进行截取得到子波形;对于每一子波形,将子波形输入至训练好的神经网络模型中,得到子波形的极性识别结果;极性识别结果为特里切尔脉冲波形或非特里切尔脉冲波形;对于极性识别结果为特里切尔脉冲波形的原始波形,提取原始波形的波形分析参数。本发明通过训练好的神经网络模型可快速准确地识别出极性识别结果为特里切尔脉冲波形的子波形,从而能够快速提取得到子波形所在原始波形的波形分析参数,为进一步分析不同的工况对电晕电流脉冲波形的影响提供支撑。

本发明授权一种电晕电流脉冲波形分析方法、计算机设备及介质在权利要求书中公布了:1.一种电晕电流脉冲波形分析方法,其特征在于,所述方法包括: 获取电晕电流的若干原始波形;所述原始波形通过电晕放电实验得到; 对于每一所述原始波形,以所述原始波形的峰值最大值所在的时刻为中心,截取设定时间长度的所述原始波形,得到子波形; 对于每一所述子波形,将所述子波形输入至训练好的神经网络模型中,得到所述子波形的极性识别结果;所述极性识别结果为特里切尔脉冲波形或非特里切尔脉冲波形;所述训练好的神经网络模型是以样本子波形为输入,以所述样本子波形的样本极性识别结果为标签训练得到的模型;神经网络模型为ViT神经网络模型,ViT神经网络模型由图像矩阵输入层、图像块嵌入模块与位置嵌入模块,可学习嵌入模块、transformer层以及softmax输出层组成; 图像块嵌入模块将二维波形图像x∈RH×W×C重塑为扁平化的二维图像碎片序列其中H,W是二维波形图像的分辨率,C是通道数,P,P是每个图像碎片的分辨率,N=HWP2是产生的碎片数,将二维波形图像碎片扁平化,并通过公式1映射到D维,投影的输出称为图像块嵌入: 其中,z0为嵌入碎片序列;xclass为二维波形图像序列;为第n个扁平化的二维图像碎片序列;E为可学习的参数矩阵;Epos为可学习的绝对位置编码; 位置嵌入被添加到碎片嵌入中,使用标准的可学习的一维位置嵌入,产生的嵌入向量序列可作为transformer编码器的输入; 可学习嵌入模块在嵌入碎片序列上预置一个可学习的嵌入,其在transformer编码器输出端的状态作为图像表示y;在预训练和微调期间,一个分类器连接到transformer编码器,分类器在预训练时由一个具有隐藏层的MLP实现,在微调时由一个单一的线性层实现; transformer编码器由多头self-attention和MLP块的交替层组成,计算公式如公式2、3和4所示;在每个区块之前应用Layernorm,在每个区块之后应用残差连接,MLP包含两个具有GELU非线性的层: z′l=MSALNzl-1+zl-1,l=1...L2; zl=MLPLNz′l+z′l,l=1...L3; 其中,l为层数;LN为残差链接;为类别标记;L为transformer层的总层数; 输入层中包含的神经元数量为前置层中卷积计算得到的特征图做一维拉伸处理得到的列向量的维数;后接Softmax层,Softmax层包含指定分类个数神经元,Softmax层用于给出分类结果; 经最后一层全连接层输出后,特征图变换为一维的特征数列,Softmax层中的神经元按式5对一维数列进行计算,获取待识别样本属于各类型的概率,取概率最大的分类输出作为识别的结果: 其中,Softmaxzj为全连接层中第j个神经元的概率,zj为全连接层中第j个神经元的输出结果,M为全连接层中包含的神经元总个数; 对于所述极性识别结果为特里切尔脉冲波形的原始波形,提取所述原始波形的波形分析参数;所述波形分析参数包括峰值Im、第一次到达0.1Im和0.9Im的时间、第二次到达0.1Im和0.9Im的时间、第一次到达0.1Im和0.9Im的时间间隔以及第二次到达0.1Im和0.9Im的时间间隔。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华北电力大学;中国电力科学研究院有限公司,其通讯地址为:102206 北京市昌平区回龙观镇北农路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。