摘要
一种基于磁场分布特征的电抗器智能故障诊断方法及系统。采集电抗器多位置的磁场分布数据,并构造包含电抗器磁场分布特征的数据样本;从数据样本中提取统计特征和形态特征构成特征样本,并基于历史故障演化轨迹调整特征样本中的特征权重;构建图结构,采用所述特征权重更新节点特征,计算相邻节点的注意力系数修正边权重;以更新后的节点特征和边权重训练电抗器故障诊断模型;实时采集磁场分布数据提取实时特征样本并进行特征权重调整,采用训练好的电抗器故障诊断模型对电抗器的实时工况进行检测诊断。本申请通过结合多位置磁场分布数据、历史故障演化轨迹和图卷积神经网络,实时动态调整特征权重,能够提高电抗器故障诊断的精度与适应性。
技术关键词
智能故障诊断方法
电抗器
故障诊断模型
分布特征
节点特征
样本
故障特征
统计特征
加权特征
多位置
注意力
智能故障诊断系统
传感器
轨迹
历史故障数据
形态
波形
工况
系统为您推荐了相关专利信息
对象识别系统
静脉
融合人脸
深度神经网络模型
分布特征
粘结剂
耦合预测方法
神经网络模型
灰狼优化算法
多任务损失函数
检测分类方法
瑕疵
可信度评估方法
动态建模方法
布料纹理
职业
能力评估模型
人才信息处理方法
信息处理系统
数据融合算法