摘要
本发明涉及变压器故障诊断技术领域,特别涉及一种基于多频超声检测的变压器油故障诊断方法。包括:下载原中央故障诊断模型;获取多频超声检测本地变压器油的历史检测数据;使用历史检测数据对原中央故障诊断模型进行训练,得到训练后的中央故障诊断模型;计算原中央故障诊断模型和训练后中央故障诊断模型的参数距离;结合参数距离以及历史检测数据的训练量,确定本地故障诊断模型,并决定是否更新原中央故障诊断模型。对于不确定因素,本发明采用了模型迁移的方式,提供了一种快速构建具有针对性的本地深度学习诊断模型的方法,本地诊断模型和中央故障诊断模型均具有更新优化能力,随着数据量的加大,本地诊断模型的诊断准确率越来越高,中央故障诊断模型的适用性也会越来越强。
技术关键词
故障诊断模型
故障诊断方法
变压器油
训练数据量
变压器故障诊断技术
参数
深度学习模型
网络
超声波
平铺
计算方法
针板
误差
气隙
幅值
绝缘
系统为您推荐了相关专利信息
智能巡检
故障诊断系统
测点对象
智能推理
现场传感器
监控管理系统
硫酸
数据采集模块
故障诊断模块
数据传输模块
模型训练方法
命名实体识别模型
标签
命名实体识别技术
大语言模型
循环神经网络模型
故障诊断方法
故障特征提取
编码器
注意力机制
轴承故障诊断方法
同步电机
多项式
永磁
信号分析