基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法

    公开(公告)号:CN113807267A

    公开(公告)日:2021-12-17

    申请号:CN202111105171.7

    申请日:2021-09-22

    Abstract: 本发明公开了一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法,采集绝缘子放电紫外视频并进行预处理,同步采集泄漏电流、声发射信号并进行预处理,综合紫外放电参量、泄漏电流参量、声发射信号参量构成三维样本点,利用K‑means对其聚类,根据聚类结果对紫外视频进行标注,建立包括训练集、测试集、验证集的放电紫外视频数据库,将训练集中的紫外视频送入MiCT网络中训练,获得不同放电严重程度的时空特征,根据模型在验证集上的表现调整网络超参数值,经过反复运算得到最优权重文件,将待测视频送入训练好的深度学习网络中,调用最优权重文件,实现对悬式绝缘子放电严重程度的评估。

    一种基于K-means的多参量悬式绝缘子绝缘状态评估方法

    公开(公告)号:CN113702786A

    公开(公告)日:2021-11-26

    申请号:CN202111026834.6

    申请日:2021-09-02

    Abstract: 本发明公开了一种基于K‑means的多参量悬式绝缘子绝缘状态评估方法,同步采集绝缘子放电过程中的紫外视频、泄漏电流、声发射信号,并进行预处理,综合三参量构成三维样本点,构建包括训练集和测试集的绝缘子绝缘状态样本库。将训练集中的样本点送入K‑means聚类网络中,设定包含“一般”、“较差”、“差”、“很差”四种绝缘子绝缘状态,根据损失函数值大小反复调整聚类中心位置,当其达到小于给定值时即认为聚类效果达到最优,计算待测样本点与最优聚类中心的距离,实现对悬式绝缘子绝缘状态的评估。

    一种基于K-means的多参量悬式绝缘子绝缘状态评估方法

    公开(公告)号:CN113702786B

    公开(公告)日:2023-09-01

    申请号:CN202111026834.6

    申请日:2021-09-02

    Abstract: 本发明公开了一种基于K‑means的多参量悬式绝缘子绝缘状态评估方法,同步采集绝缘子放电过程中的紫外视频、泄漏电流、声发射信号,并进行预处理,综合三参量构成三维样本点,构建包括训练集和测试集的绝缘子绝缘状态样本库。将训练集中的样本点送入K‑means聚类网络中,设定包含“一般”、“较差”、“差”、“很差”四种绝缘子绝缘状态,根据损失函数值大小反复调整聚类中心位置,当其达到小于给定值时即认为聚类效果达到最优,计算待测样本点与最优聚类中心的距离,实现对悬式绝缘子绝缘状态的评估。

    一种散热系统及便携式电子设备

    公开(公告)号:CN203812177U

    公开(公告)日:2014-09-03

    申请号:CN201420049003.X

    申请日:2014-01-24

    Abstract: 本实用新型涉及散热技术领域,特别涉及一种散热系统及便携式电子设备,散热系统包括气泵、通风管和空气放大器;空气放大器为一个包括第一开口和第二开口的中空套筒,且中空套筒的内壁上设置有一圈垂直于第一开口到第二开口的方向的通槽;通风管的一端与气泵连通,另一端设置在中空套筒的侧壁上,并与通槽连通。本实用新型提供的这种散热系统与现有技术中传统的以风扇散热的方式相比,由于笔记本内部的空气是直流排出的,含有大量热量的气流直接被排出至机体外部,其能量损耗小,不会导致机体的排风口出现过热的现象。因此,散热效果好。另外,穿过空气放大器并被排出的空气流量远远大于从气泵中流出的气体的流量,因此,具有更好的散热效果。

Patent Agency Ranking