摘要
本申请提供了一种基于声纹信号的电气设备漏电识别方法和识别装置。该方法包括:利用变分模态分解算法对采集的声信号进行处理,得到多个本征模态函数,从多个本征模态函数选择出三个关键本征模态函数分别作为图像的红、绿、蓝三个颜色通道的灰度值,生成声信号的声纹图像;通过灰度共生矩阵提取声纹图像的纹理特征,采用CNN‑SVM模型对纹理特征进行深度特征提取与分类识别,得到漏电检测结果;在漏电检测结果表示发生漏电故障时,通过计算声信号传播至多个声信号传感器的时延差异确定故障源的位置。该方案解决了现有技术中无法提供精确的漏电故障源定位,导致维修和故障排除的时间延长的问题。
技术关键词
灰度共生矩阵
变分模态分解算法
纹理特征
电气设备
图像
深度特征提取
识别方法
信号
识别装置
时延
传感器
颜色
可读存储介质
迭代优化算法
通道
频率
拉格朗日
程序
计算机
坐标
系统为您推荐了相关专利信息
CT影像数据
口腔牙齿模型
神经网络模型
打印方法
多模态
文档图像内容
大语言模型
问答数据生成方法
多模态
答案
捕虫机器人
路径规划单元
移动物体
图像分析方法
电机驱动器
视频帧
数据检测方法
子模块
机器学习模型
录屏数据