摘要
本发明提供一种低压配电柜防水性能的诊断方法及系统,包括,采集低压配电柜对应的多个运行时的微振动信号;对采集的微振动信号进行增强处理,并提取对应的特征参数,由微振动信号与对应的特征参数组成图结构数据;将图结构数据输入预训练的深度学习模型对低压配电柜的异常概率进行预估,得到对应的异常概率值;若异常概率值大于预设的异常阈值,则判定该低压配电柜的防水性能异常。本发明通过实时采集配电柜运行时的微振动信号,利用图神经网络对多传感器节点的数据进行融合分析,实现对配电柜防水性能的实时监测和精准诊断并降低成本。
技术关键词
低压配电柜
深度学习模型
频域特征
传感器节点
低噪声运算放大器
诊断方法
时域特征
短时傅里叶变换
故障诊断模块
分解特征
信号采集模块
信号处理模块
诊断系统
数据
频率
系统为您推荐了相关专利信息
自动分割方法
深度学习模型
中心线
图像编码器
非暂态计算机可读存储介质
人工智能辅助
多模态医学影像
成像方法
强化学习模型
图像分割识别
印刷油墨
交通出行信息
路段
排放量
数据误差修正方法
流式微粒检测方法
时域特征
导电电极
频域特征
训练机器学习模型