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！

申请/专利权人：兰州交通大学

摘要：本发明公开了一种基于GAN的变压器特高频局部放电缺陷数据增强方法，属于变压器特高频局部放电信号数据增强领域。具体包括特高频局部放电缺陷信号数据采集，归一化，小波软阈值去噪，数据清洗，时频图转换，数据集构建；并利用改进的深度可分离卷积结构SMixedConv构建数据增强模块DSWGAN‑GP，通过迭代训练提高模型的数据特征学习能力。实现对小样本且不平衡的数据集进行平衡和扩充优化。该模型具有更小的模型参数，通过引入混合卷积模式提高模型的特征模拟能力，能够在较小的训练次数内完成特征学习和收敛，具有较好的数据学习能力和更小的模型参数，具有实际工程应用价值。

主权项：1.一种基于GAN的变压器特高频局部放电缺陷数据增强方法，其特征在于：具体包括如下步骤：步骤1、通过接收机和天线等设备采集变压器的特高频局放缺陷信号数据；步骤2、对局放缺陷信号数据进行数据预处理，其中包括数据归一化，去噪，脉冲信号提取，将单个脉冲信号转换成时频图，构建局放缺陷信号数据集，按比例划分为训练集和测试集；步骤3、在传统的GAN模型结构上引入Wasserstein距离以及梯度惩罚机制提高模型的训练稳定性，结合改进的深度可分离结构SMixedConv搭建数据增强模型DSWGAN-GP，并采用步骤2中的数据集进行训练，更新模型权重参数，提高生成器模型的特征学习能力，训练完成后，评估模型的生成能力，得到生成能力最优的数据增强模型DSWGAN-GP；具体的，结合改进的深度可分离结构SMixedConv搭建数据增强模型DSWGAN-GP的具体细节为：数据增强模型DSWGAN-GP中的生成器结构分为五个上采样模块，鉴别器结构分为五个下采样模块；在数据增强模块的生成器第一上采样模块中采用转置卷积完成初步的数据特征提取和上采样；在第二、三、四上采样模块中均使用双三次插值进行上采样，并利用改进的深度可分离卷积结构SMixedConv对数据进行特征提取；在第五上采样模块中采用转置卷积完成最后的上采样部分；在鉴别器部分，在鉴别器的第二、三、四下采样模块中使用改进的深度可分离卷积结构SMixedConv代替传统的卷积结构，构成数据增强模型DSWGAN-GP；其中改进的深度可分离卷积的具体步骤包括：将深度可分离卷积的单一卷积核尺寸逐通道卷积结构进行优化，引入混合卷积模式，将输入通道和输出通道按均值划分方式分为不同的组，输入和输出的通道按混合卷积组数进行映射，每组使用不同的卷积核尺寸，通过不同尺寸的卷积核对特征向量进行卷积得到多尺度的特征信息，再通过逐点卷积完成特征信息融合；大尺寸的卷积核可以关注数据的全局信息，小尺寸的卷积核可以关注数据的局部细节，通过结合通道分组的卷积模式能够有效减少模型参数，同时实现多尺度特征信息提取和融合；其中分组卷积的数学公式为： 其中，i,j是输出特征图的空间位置索引，m是组内输入通道索引，k是输出通道索引，p,q是卷积核的空间位置索引，Filterg是第g个组内的卷积核，大小为（CinG,CinG,K,K），bg,k是第g组中第k个输出通道的偏置项，inputg是第g个组内的输入特征向量，outputg是第g个组内的输出特征向量；步骤4、通过数据增强模块调用训练完成的模型进行缺陷数据生成进行数据扩充并平衡数据集，实现局放缺陷数据的优化增强。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种基于GAN的变压器特高频局部放电缺陷数据增强方法