[發明專利]基于自助抽樣法的斷路器缺陷辨識方法在審
| 申請號： | 202110067029.1 | 申請日： | 2021-01-19 |
| 公開（公告）號： | CN112906472A | 公開（公告）日： | 2021-06-04 |
| 發明（設計）人： | 蔣小平;梁浩鄭;鄭月球 | 申請（專利權）人： | 中國礦業大學（北京） |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06Q50/06;G01M13/00;G01R31/327 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 100083 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 自助 抽樣 斷路器 缺陷 辨識 方法 | ||
1.一種基于自助抽樣法的斷路器缺陷辨識方法，其特點在于通過自助抽樣法擴展樣本集，建立基于振動信號的缺陷診斷模型，形成斷路器機械缺陷診斷方法，所述方法包括下述步驟：
第一步：獲取數據及原始特征空間構建
步驟1.1使用振動信息測量設備采集斷路器合閘過程中不同機械缺陷下傳感器的信號，共采集b次，記樣本集為X
步驟1.2對樣本集X進行集合經驗模態分解，得到信號的本征模函數，計算主本征模函數的樣本熵，得到特征向量集Y；
步驟1.3用自助抽樣法擴展特征向量集Y，得到新的a個特征向量集，記為特征向量空間Ya,b；
第二步：基于特征向量空間，構建多個Softmax診斷模型
步驟2.1對于第i個特征向量集，將其作為建立第i個Softmax診斷模型的訓練集，根據訓練集構建第i個Softmax診斷模型；
步驟2.2循環執行步驟2.1直至建立全部a個Softmax診斷模型；
第三步：將各個Softmax模型診斷結果聚類
步驟3.1給定一個測試樣本，計算每個Softmax診斷模型在該測試樣本下對不同缺陷的診斷概率向量，構成全部Softmax模型診斷概率向量集合；
步驟3.2基于步驟3.1所得概率向量集合，采用均值漂移聚類算法將各個Softmax診斷結果聚類；
第四步：以D-S證據融合算法融合決策多個Softmax模型的診斷結果
步驟4.1根據步驟3.2所得聚類結果中最大類別內所含的Softmax診斷模型，選擇其對應的在測試樣本下的診斷概率向量，計算診斷概率向量期望；
步驟4.2基于D-S證據融合算法，多次融合步驟4.1中所得多個診斷概率向量期望，將最大概率對應的缺陷類型定義為此測試樣本的缺陷類型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國礦業大學（北京），未經中國礦業大學（北京）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110067029.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種戈壁用光伏發電板
- 下一篇：一種用于玻璃的激光加工設備
