买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华中科技大学;东方电气集团东方电机有限公司申请的专利一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115438701B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211109959.X，技术领域涉及：G06F18/2431；该发明授权一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法是由彭小圣;陈玉竹;周进;张跃;何海洋;谢志辉;刘雁设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法在说明书摘要公布了：本发明公开一种基于阈值图谱和轻量神经网络的发电机局放模式识别方法，在实验室环境下采集不同缺陷类型的发电机定子线棒放电数据和相位信号数据，获取已知的线棒绝缘缺陷对应的相位图谱，选择不同类型典型缺陷最优阈值参数并基于自适应阈值二值化方法优选阈值图谱特征；构建HOG、SHIF、SURF和MSER不同类型的图像特征，并进行多维特征融合；基于不同工业应用场景选择SqueezeNet、MobileNet、ShuffleNet以及Xception四种轻量级神经网络进行集成学习，将提取的多维融合特征对不同轻量级神经网络模型进行训练，通过权重调节对模式识别结果进行判断，输出发电机定子线棒缺陷类型的判别结果。此方法基于阈值谱图和轻量神经网络，提高了模式识别的精确性和实时性。

本发明授权一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法在权利要求书中公布了：1.一种基于阈值谱图和轻量神经网络的发电机局放模式识别方法，其特征在于按以下步骤进行： S1：基于自适应阈值二值化方法的特征优选方法：在实验室环境下采集不同缺陷类型的发电机定子线棒典型缺陷放电数据和相位信号数据，获取已知的线棒绝缘缺陷对应的相位图谱数据集，选择不同类型典型缺陷最优阈值参数并基于自适应阈值二值化方法选择最优阈值化干扰抑制参数，获取基于自适应阈值二值化干扰抑制处理后的特征图谱；具体按以下步骤进行： S1.1：基于实验室电缆局部放电实验，采集不同类型缺陷电缆的局部放电数据，将基于不同缺陷类型电缆采集到的所有局部放电数据分类为内部放电、槽放电、端部放电和振动火花放电四种类型； S1.2：基于实验室采集到的四种不同类型电缆缺陷类型的局部放电样本数据，通过调节阈值参数为0、0.25、0.5和0.75，获取不同阈值下发电机定子线棒典型缺陷不同噪声环境下的PRPD图谱； S1.3：基于自适应阈值二值化方法选择最优阈值化干扰抑制参数，获取自适应阈值分割后的PRPD特征图谱，并将获取的自适应阈值化处理的PRPD特征图谱与调节阈值参数的PRPD图谱进行比对，通过对比两种图谱对于不同工业应用场景下干扰信号的抑制程度，选择不同类型缺陷的合适阈值范围，提高阈值选择的可靠性和干扰抑制的精确性； S1.4：重复S1.2-S1.3的步骤，在每次采集到工业现场新的高压电缆局放信号后，更新定子线棒不同类型典型缺陷局放PRPD图谱样本库和所对应的阈值选择图谱样本库，进而对基于不同工业应用场景的干扰抑制阈值进行调节和选择，不断提高阈值选择的可靠性和干扰抑制的精确性； S2：基于HOG、SHIF、SURF、MSER不同类型的图像特征，提取图谱的不同维度的融合特征参数并进行多维特征融合：基于自适应阈值二值化获取的发电机定子线棒局部放电PRPD特征图谱干扰抑制后的图片样本，提取不同类型图片样本的HOG、SHIF、SURF、MSER图像特征，通过对不同维度的图像特征进行融合获取多维融合特征图谱样本； S3：基于不同工业应用场景选择SqueezeNet、MobileNet、ShuffleNet以及Xception四种轻量级神经网络模型进行集成学习：基于所述的多维融合特征图谱样本构建内部放电、槽放电、端部放电和振动火花不同类型的指纹特征库，将指纹特征库的图片样本分别对上述四种不同轻量级神经网络模型进行训练，通过选择不同的工业应用场景，对神经网络集成权重进行调节并对模式识别结果进行判断，输出发电机定子线棒缺陷类型的判别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中科技大学;东方电气集团东方电机有限公司，其通讯地址为：430074 湖北省武汉市洪山区珞瑜路1037号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。