摘要
本发明公开了一种GIS机械故障诊断方法、装置、存储介质及系统,涉及电力设备故障诊断技术领域。其中,该方法包括:获取GIS设备辐射的声信号;对声信号进行数据划分,构建样本信号;采用模态分解算法对样本信号进行分解,得到分解结果;基于目标评价指标对分解结果进行数据噪声去除,得到第一去噪结果;对第一去噪结果进行独立源信号重构,得到第二去噪结果;利用第二去噪结果对初始故障诊断模型进行训练,得到目标故障诊断模型,目标故障诊断模型用于根据GIS设备运行过程中的实时声数据预测GIS设备的机械故障信息。本发明解决了对GIS设备进行机械故障诊断时容易受到噪声数据的影响导致故障诊断准确性差的技术问题。
技术关键词
故障诊断模型
机械故障诊断方法
GIS设备
故障诊断信息
经验模态分解算法
信号
神经网络架构
数据噪声
电力设备故障诊断技术
机器学习训练
气体绝缘组合开关
GIS机械故障
样本
独立成分分析算法
指标
傅里叶变换算法
系统为您推荐了相关专利信息
温度节能控制方法
通信设备
深度Q网络
强化学习算法
机柜温度
电力故障诊断方法
变压器
故障诊断模型
指数
时间段
配电网故障诊断
配电网线路故障诊断
标签
注意力神经网络
样本
联邦学习方法
谐波减速器
中国剩余定理
联邦学习系统
工业机器人