摘要
本发明公开一种基于多模态融合的电缆故障监测与健康状态评估方法,包括以下步骤:1)采集电缆多模态数据,包括电气量数据、电缆图像数据;2)对电气量数据、电缆图像数据进行预处理;3)对预处理后的电气量数据、电缆图像数据进行特征提取与融合,得到多模态特征向量;4)构建电缆故障分类模型;5)将多模态特征向量输入至电缆故障分类模型,得到电缆运行状态类型;6)基于电缆运行状态类型及多模态特征向量,计算电缆健康状态指数。本发明通过RepLKNet的大核卷积设计、多模态特征融合策略、特征学习优化机制以及数据增强技术的创新,成功解决了电缆监测过程中传统方法面临的鲁棒性不足、分类精度不高和实时性差等技术难题。
技术关键词
健康状态评估方法
电缆故障监测
电缆运行状态
故障分类模型
图像特征提取模型
数据特征提取
图像特征向量
电气
电缆剩余
三维点云数据
可见光图像
采集电缆
多模态特征融合
低通滤波器
融合神经网络
指数
系统为您推荐了相关专利信息
图像特征提取模型
对象
训练样本集
特征提取方式
神经网络模型
风电机组齿轮箱
健康状态评估方法
热网络模型
节点
热阻
模态检索方法
图像特征提取模型
关键词
特征向量值
字幕
位置识别
图像特征提取模型
特征提取器
数据
视觉