申请/专利权人：国网山西省电力公司太原供电公司;上海霍开光电技术有限公司

申请日：2024-04-17

公开（公告）日：2024-06-28

公开（公告）号：CN118068132B

主分类号：G01R31/08

分类号：G01R31/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明涉及时频分析技术领域，具体为一种基于时频分析的电缆异常识别方法及系统，包括以下步骤，基于电缆运行时的时频数据，进行信号分解与模糊集合构建，对模糊逻辑控制的边界条件进行匹配，生成模糊特征辨识数据。本发明，通过信号在模糊集合中的分解与映射，准确捕捉信号内在的模糊边界和频谱特性，使信号分析更为细致，模糊值的转换与规则库匹配增强了对故障模式的识别能力，提高故障诊断准确率，利用时间序列聚类算法自动识别时频数据中的关键变化点，将数据有效划分，进一步敏锐捕获异常信号，提高识别灵敏度，粒子群优化算法在参数调整中的应用，优化了故障诊断流程，提高了诊断效率和准确性。

主权项：1.一种基于时频分析的电缆异常识别方法，其特征在于，包括以下步骤：基于电缆运行时的时频数据，进行信号分解与模糊集合构建，对模糊逻辑控制的边界条件进行匹配，生成模糊特征辨识数据；基于所述模糊特征辨识数据，进行模糊值转换与规则库匹配，并进行信号特性的评估和分类，生成模糊数据处理记录；基于所述模糊数据处理记录，应用时间序列聚类算法，通过自动识别时频数据中的关键变化点，将数据划分为同类特性的多段，生成智能分段策略；基于所述智能分段策略，通过对每个段落内的目标特征进行分析，进行信号再次评估，细化故障类型判断，生成深度逻辑评估信息；基于所述深度逻辑评估信息，利用粒子群优化算法，进行关键参数调整，并进行优化测试，通过模拟故障情况调整分析参数，对故障诊断过程进行优化，生成参数优化措施；基于所述参数优化措施，通过模拟差异故障情景，测试参数优化效果，验证优化策略在应用中的实施效果，生成模拟测试验证结果；依据所述模拟测试验证结果，通过分析故障测试的反馈，细化故障类型，并进行归纳总结，生成故障诊断日志；基于所述模糊数据处理记录，应用时间序列聚类算法，通过自动识别时频数据中的关键变化点，将数据划分为同类特性的多段，生成智能分段策略的步骤具体为：基于所述模糊数据处理记录，利用小波变换，分析时频数据中的关键特征，包括能量峰值与频率变化，对数据的变化区间进行识别，生成关键特征区间数据；基于所述关键特征区间数据，应用时间序列聚类算法，将时频数据按照变化特征划分为多个段落，每个段落包括同类能量和频率特征的数据，生成分段映射数据；所述时间序列聚类算法，按照公式： ；其中，和分别表示两个时序数据序列，和分别表示序列和的长度，表示序列中第个点与序列中第个点之间的距离，为权重矩阵，为中对应和的权重值，和为调节参数，为序列中第个点的附加特征值，为序列中第个点的附加特征值；基于所述分段映射数据，对每个数据段落应用特征映射逻辑，区分差异类型的信号特性，并细化数据段落的分类，生成智能分段策略；基于所述深度逻辑评估信息，利用粒子群优化算法，进行关键参数调整，并进行优化测试，通过模拟故障情况调整分析参数，对故障诊断过程进行优化，生成参数优化措施的步骤具体为：基于所述深度逻辑评估信息，采用模糊逻辑算法，分析识别故障类型关联的参数特征，包括信号处理的窗口大小和滑动步长，调整参数并匹配差异故障模式，生成调整后的参数特征；基于所述调整后的参数特征，模拟差异故障情况下的信号处理，评估参数调整对故障诊断准确性的影响，并确定最优的参数设置，生成模拟优化参数设置；基于所述模拟优化参数设置，利用粒子群优化算法，对故障诊断流程进行调整，优化信号特征匹配逻辑，并验证参数调整后的诊断准确性，生成参数优化措施；所述粒子群优化算法，按粒子速度更新公式： ；和粒子位置更新公式： ；调整信号特征匹配逻辑的参数，生成参数优化措施；其中，为粒子在迭代的速度，为粒子在迭代的位置，为粒子在迭代次数的速度，为粒子在迭代次数的位置，为粒子至今搜索的最优位置，为当前全局最优位置，为惯性权重，和为加速常数，和为随机数，和为添加参数，为位置更新的缩放因子。

全文数据：

权利要求：

百度查询： 国网山西省电力公司太原供电公司;上海霍开光电技术有限公司 一种基于时频分析的电缆异常识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD