摘要
本发明涉及一种基于小波变换和QPSO‑BILSTM的行波波形形态分类方法,包括采集行波信号,对行波信号进行预处理;提取每个波头周边时域;收集大量已标注的不同类型的行波波形数据作为标签;提取波头周边时域作为训练集,输入到BiLSTM模型中进行训练和分类;通过QPSO优化BiLSTM模型的参数,提高分类的准确性;将新采集的行波信号处理后,输入到优化后的BiLSTM模型中输出分类结果。行波波形形态的分类能够显著提升行波波头标定地效率和精度;通过分类可以快速识别故障类型,为后续的故障处理提供重要依据;经过量子粒子群算法优化后的BiLSTM模型不仅可以更好地提取行波波形中的关键特征,还可以更好地适应行波复杂的非线性特征和多样的变化模式,从而提高波形分类的准确率。
技术关键词
形态分类方法
BiLSTM模型
波形
量子粒子群算法
时间差
Softmax函数
QPSO算法
位置更新
信号
非线性特征
超参数
训练集数据
索引
高通滤波器
位置映射
识别故障
系统为您推荐了相关专利信息
NPC系统
文字转语音模块
前端系统
深度学习识别模型
动作表情
故障定位装置
信号发送模块
故障诊断装置
定位器
算法模块
无人机身份识别
航迹数据
动态指纹库
射频指纹识别
分析系统