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：武汉大学

摘要：本发明涉及人工智能技术，具体涉及基于Conformer的串联故障电弧检测方法及系统，该方法包括数据采集和预处理准备好需要的数据；构建基于Conformer的串联故障电弧检测模型；该模型通过卷积池化层对电弧图像进行初步特征提取，利用Transformer层，实现了在多个层次上对图像特征的更高级别抽象。Transformer层中的自注意力机制使模型能够全局关联图像中不同位置的信息，提升了特征学习的能力。通过全连接层减少电流特征数据的维度。通过分类头和输出模块输出最后的数据；结合输出的数据进行电流状态判定。该方法的参数量减少，计算效率更高，适合在资源有限的嵌入式系统上实现实时检测。

主权项：1.基于Conformer的串联故障电弧检测方法，其特征在于，包括以下阶段：采集电流数据；对电流数据进行预处理；划分电流数据，形成训练集电流数据和测试集电流数据；建立基于Conformer的串联故障电弧检测模型；使用训练集电流数据对串联故障电弧检测模型进行训练；所建立的基于Conformer的串联故障电弧检测模型包括：依次连接的输入模块、卷积池化层、Transformer层、全连接层、分类层和输出模块；其中，卷积池化层和Transformer层组成Conformer结构；1）输入模块用于接收经预处理的电流波形图像数据；2）卷积池化层提取特征包括：a.通过卷积池化层提取电流波形图像的特征，卷积操作表示为： 其中，是卷积后电流特征图中位置的值，k和l是卷积核的尺寸，是输入图像中位置的值，是卷积核在位置的权重，该参数K是模型学习的部分，训练过程中会根据损失函数进行调整；b.采取残差模块缓解本模型训练过程中的梯度消失问题；采取注意力模块，提高模型对电流图像中关键特征的捕捉和利用的能力；在注意力模块之后再次使用卷积层，提取经过调整后的电流特征数据；c.进行池化操作，降低电流特征数据的空间维度，保留重要信息；最大池化表示为： 其中，是池化后特征图中位置的值，s和t是池化窗口大小，是输入特征图上位置的值；3）Transformer层提取特征包括：Transformer层分为编码模块和解码模块，编码模块包含4个编码器，解码模块包含4个解码器；卷积池化层输出的电流特征数据，输入到编码模块之后，产生编码后的电流信息，该信息再经过解码模块，产生Transformer层的输出；4）全连接层提取特征包括：全连接层的输入为Transformer层的输出，Transformer层的输出经过全连接层进行处理，进行二分类任务，从而判断电弧是否存在故障；5）分类头和输出模块输出数据包括：分类头的输入是全连接层输出的电流特征数据，电流特征数据包含了对电流图像特征进行高层次抽象和学习的信息；全连接层的输出接近1认为是正常电流数据，接近0认为是故障电流数据；设定阈值为0.5；当输出大于0.5时，模型判定电流数据正常，用1表示，当输出小于等于0.5时，模型判定电流数据存在故障，用0表示；使用测试集电流数据对训练出的串联故障电弧检测模型进行测试，测试其召回率和准确度，若不达标则调整模型和参数重新训练；使用非训练集和测试集的数据对串联故障电弧检测模型的准确度进行测试，若不达标则调整模型和参数重新训练；利用测试达标的串联故障电弧检测模型检测电流状态，检测出故障电弧时进行预警处理。

全文数据：

权利要求：

百度查询： 武汉大学 基于Conformer的串联故障电弧检测方法及系统