基于深度学习的电力设备故障识别方法及识别系统

    公开(公告)号:CN118656610B

    公开(公告)日:2025-01-24

    申请号:CN202410761437.0

    申请日:2024-06-13

    Abstract: 本发明属于故障识别技术领域,本发明公开了基于深度学习的电力设备故障识别方法及识别系统,包括采集磁芯数据和电力变压设备油箱数据;采集历史油质数据和磁芯噪音数据;训练出预测油质含水量数据的机器学习模型;将实时油箱特征数据输入机器学习模型中,得到油质含水量数据;将磁芯数据处理得到第一磁芯状态系数A;将电力变压设备油箱数据和磁芯噪音数据处理得到第二磁芯状态系数C;判断磁芯状态为正常或故障;生成故障信息并上报至维护端;实现了对电力变压设备磁芯状态的立体化监测;这对保证电力变压设备的可靠连续运行具有重要意义。

    基于机器学习的低代码应用自动测试系统及方法

    公开(公告)号:CN119473834A

    公开(公告)日:2025-02-18

    申请号:CN202411442958.6

    申请日:2024-10-16

    Abstract: 本发明涉及一种基于机器学习的低代码应用自动测试系统及方法,包括以下关键步骤:首先,接收低代码应用的测试需求并获取界面元素图;其次,通过图像处理和语义识别技术处理界面元素图,提取界面模型;然后,根据界面模型自动生成并执行测试用例,收集测试结果数据;最后,分析测试结果数据并生成详细的测试报告。本发明还涉及构建和使用框架识别网络与文本提取网络,以精确识别界面元素的类别和文本含义,并通过聚类分析和决策树算法深入分析测试数据,从而有效地识别异常模式、错误原因和路径。本发明可广泛应用于软件开发领域,特别是针对低代码平台的应用测试,提升软件质量和测试效率。

Patent Agency Ranking