CN114937462A - 基于声纹智能诊断高压断路器故障检测方法 - Google Patents
基于声纹智能诊断高压断路器故障检测方法 Download PDFInfo
- Publication number
- CN114937462A CN114937462A CN202210536908.9A CN202210536908A CN114937462A CN 114937462 A CN114937462 A CN 114937462A CN 202210536908 A CN202210536908 A CN 202210536908A CN 114937462 A CN114937462 A CN 114937462A
- Authority
- CN
- China
- Prior art keywords
- voiceprint
- preset
- control module
- central control
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 109
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Emergency Management (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Keying Circuit Devices (AREA)
Abstract
本发明涉及高压断路器故障检测技术领域,尤其涉及一种基于声纹智能诊断高压断路器故障检测方法,包括:步骤S1,在检测开始前,中控模块根据预设相似度差值将需要调节的权重系数调节至对应值;步骤S2,当所述中控模块完成权重系数的调节时根据预设相似度对故障的类型进行初步判定以及根据各声纹特征实际占的权重确定故障类型;步骤S3,当所述中控模块完成故障类型的判定时,中控模块根据不同运行状态下的声纹特征相似度、相似度差值以及预设最大声纹特征差值对是否为同一故障类型进行判定以及对故障的判定是否存在错误进行核实,本发明实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
Description
技术领域
本发明涉及高压断路器故障检测领域,尤其涉及一种基于声纹智能诊断高压断路器故障检测方法。
背景技术
高压断路器可以切断或闭合高压电路中的空载电流和负荷电流,而且当***发生故障时通过继电器保护装置的作用,切断过负荷电流和短路电流,具有相当完善的灭弧结构和足够的断流能力。高压断路器在使用过程中会涉及重合闸,高压断路器的重合闸成功与否对于冶金领域的电气设备来说具有重要的意义。在实际生产中,高压断路器时常会出现故障的问题,现有技术利用声纹智能识别技术难以实现对高压断路器不同运行状态下的检测精确度。
中国专利公开号:CN110988669A。公开了一种高压断路器的故障检测方法,根据高压断路器的分合闸状态和变压器的二次侧电压可分析出高压断路器是否能够正常分合闸,从而及时发现高压断路器出现分断故障,以及时做出防护措施,进而避免因高压断路器故障异常带电导致人员意外触电的安全隐患,同时防止因高压断路器故障状态下频繁分合闸导致高压供电设备损坏的问题,保护人员和设备安全。由此可见所述高压断路器的故障检测方法存在以下问题:检测***中参数不能根据实际历史情况进行更正以及高压断路器在相同和不同运行状态下的检测准确度存在误差和准确度不够的问题。
发明内容
为此,本发明提供一种基于声纹智能诊断高压断路器故障检测方法,用以克服现有技术中检测***中参数不能根据实际历史情况进行更正以及高压断路器在相同和不同运行状态下的检测准确度存在误差和准确度不够的问题。
为实现上述目的,本发明提供一种基于声纹智能诊断高压断路器故障检测方法,包括:步骤S1,在检测开始前,中控模块根据待采集高压断路器的历史声纹数据分析计算出所述高压断路器的特异性声纹数据并与实际模拟训练中的故障数据进行对比并决定相关故障类型所对应的最接近的声纹数据,所述中控模块根据历史声纹数据对是否需要调节的相似度评价权重系数进行判定,根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值;步骤S2,所述中控模块在完成确定最接近的声纹数据时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,当中控模块完成对于故障出现概率的判定时,中控模块根据各声纹特征实际占的权重确定故障类型;步骤S3,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行
进一步判定,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型的判定时,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,当核实完毕符合预设标准时中控模块判定检测完成。
进一步地,在所述步骤S1中,在对所述高压断路器的检测开始前,所述中控模块根据历史声纹数据对需要调节的相似度评价权重系数进行判定,中控模块设有预设高压断路器第一声纹特征A、预设高压断路器第二声纹特征B、预设高压断路器第三声纹特征C、预设第一声纹特征权重系数K1、预设第二声纹特征权重系数K2、预设第三声纹特征权重系数K3、预设第一声纹特征相似度D1以及预设第二声纹特征相似度D2,其中0≤K1<K2<K3中,设定D0=K1×A+K2×B+K3×C,
若D≤D1,所述中控模块判定历史声纹特征相似度符合预设标准并不对所述权重系数进行调节;
若D1<D≤D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第三声纹特征权重系数调节至对应值;
若D>D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第二声纹特征权重系数以及第三声纹特征权重系数调节至对应值;
所述中控模块在完成对于所需调整的预设权重系数时,中控模块根据声纹特征相似度差值与预设相似度差值的对比结果将预设权重系数调节至对应值。
进一步地,在所述步骤S1中,当D1<D≤D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1以及预设第二第三声纹特征权重系数调节系数α2,其中,△D1<△D2,0<α1<α2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对权重系数进行调节,调节后的权重系数记为K3’,设定K3’=K3×α2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对权重系数进行调节,调节后的权重系数记为K3”,设定K3”=K3×α1。
进一步地,在所述步骤S1中,当D>D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果对是否调节相似度评价权重系数进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1、预设第二第三声纹特征权重系数调节系数α2、预设第一第二声纹特征权重系数调节系数β1以及第二第二声纹特征权重系数调节系数β2,其中,△D1<△D2,0<α1<α2<1,0<β1<β2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3’,设定K3’=K3×α2,使用β2对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2’,设定K2’=K2×β2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3”,设定K3”=K3×α1,使用β1对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2”,设定K2”=K2×β1。
进一步地,当所述中控模块完成对于所述预设标准值的调节时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,中控模块设有预设第一声纹特征相似度D1、预设第二声纹特征相似度D2、其中D1<D2,
若D≤D1,所述中控模块初步判定高压断路器不存在故障;
若D1<D≤D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型;
若D>D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型。
进一步地,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2,其中△D1<△D2,
若△D≤△D1,所述中控模块判定故障出现的概率为99%并发出一级故障警报;
若△D1<△D≤△D2,所述中控模块判定出现故障的概率为90%并发出二级故障警报;
若△D>△D2,所述中控模块出现故障的概率为70%并不发出故障警报。
进一步地,当D1<D≤D2或D>D2时,中控模块根据各声纹特征实际占的权重确定故障类型,中控模块设有预设第一故障类型Q1、预设第二故障类型Q2以及预设第三故障类型Q3,设定权重=声纹特征×声纹特征权重系数,
若K1·A<K2·B<K3×C,所述中控模块判定故障类型为Q3;
若K1·A<K3×C<K2·B,所述中控模块判定故障类型为Q2;
若K2·B<K3×C<K1·A,所述中控模块判定故障类型为Q1。
进一步地,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,设定合闸状态下的声纹特征相似度记为Wa、分闸状态下的声纹特征相似度记为Wb、正常运行状态下的声纹特征相似度记为Wc,
若Wa=Wb=Wc,所述中控模块判定高压断路器不同运行状态下的故障类型相同;
若Wa≠Wb≠Wc,所述中控模块初步判定高压断路器不同运行状态下的故障类型不相同并计算不同运行状态下的声纹特征相似度差值并根据差值计算结果对是否为同一故障类型进行进一步判定。
进一步地,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,中控模块设有预设第一声纹特征相似度差值△W1、预设第二声纹特征相似度差值△W2,其中△W1<△W2,设定高压断路器不同运行状态下的声纹特征相似度差值记为△W,
若△W≤△W1,所述中控模块判定高压断路器不同运行状态下的故障类型为同一种的概率为97%并将所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W1<△W≤△W2,所述中控模块判定高压断路器不同运行状态下的故障为同一种的概率为90%并不对所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W>△W2,所述中控模块判定高压断路器不同运行状态下的故障不是同一类型故障并将所述声纹采集到的声纹特征进行区别标记、在标记完成后存入存储数据库备用。
进一步地,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,中控模块设有预设最大声纹特征差值△Wmax,
若△W≤△Wmax,所述中控模块判定故障的判定不存在错误判定检测完成;
若△W>△Wmax,所述中控模块判定故障的判定存在错误并控制声纹采集装置对所述高压断路器不同运行状态下的声纹特征进行二次检测并在检测后继续计算声纹特征相似度差值,直到中控模块判定声纹特征相似度差值符合预设标准则判定故障检测完成。
与现有技术相比,本发明的有益效果在于,本发明通过设置预设相似度、预设相似度差值、高压断路器的不同运行状态下的声纹特征相似度差值以及最大声纹特征差值,可以根据预设相似度差值将需要调节的权重系数调节至对应值;可以根据实际相似度与预设相似度的对比结果对故障的类型进行初步判定,可以根据各声纹特征实际占的权重确定故障类型;可以根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,当核实完毕符合预设标准时中控模块判定检测完成。实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设高压断路器第一声纹特征、预设高压断路器第二声纹特征、预设高压断路器第三声纹特征、预设第一声纹特征权重系数、预设第二声纹特征权重系数、预设第三声纹特征权重系数、预设第一声纹特征相似度以及预设第二声纹特征相似度,可以对相似度评价权重系数是否需要调节进行判定,实现了对于检测***中参数的及时核实检测更新,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一相似度差值、预设第二相似度差值、预设第一第三声纹特征权重系数调节系数以及预设第二第三声纹特征权重系数调节系数,可以根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值,进一步实现了检测***中预设参数的及时更新,侧面上提高了检测的精度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一相似度差值、预设第二相似度差值、预设第一第三声纹特征权重系数调节系数、预设第二第三声纹特征权重系数调节系数、预设第一第二声纹特征权重系数调节系数以及第二第二声纹特征权重系数调节系数,可以根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果对是否调节相似度评价权重系数进行判定,进一步实现了对检测***中参数的及时更新,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一声纹特征相似度和预设第二声纹特征相似度,可以根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,提高了高压断路器检测的准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一相似度差值和预设第二相似度差值,可以根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,进一步提高了故障检测的准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一故障类型、预设第二故障类型以及预设第三故障类型,可以根据各声纹特征实际占的权重确定故障类型,提高了高压断路器故障检测的速度和准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设定合闸状态下的声纹特征相似度、分闸状态下的声纹特征相似度以及正常运行状态下的声纹特征相似度,可以根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,提高了不同运行状态下的检测精度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设第一声纹特征相似度差值、预设第二声纹特征相似度差值,可以根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,进一步提高了高压断路器在不同运行状态下的检测精确度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
进一步地,本发明所述方法通过设置预设最大声纹特征差值,可以根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,实现了对检测后的故障判定精确度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
附图说明
图1为本发明所述基于声纹智能诊断高压断路器故障检测方法的流程图;
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1所示,基于声纹智能诊断高压断路器故障检测方法,包括:
步骤S1,在检测开始前,中控模块根据待采集高压断路器的历史声纹数据分析计算出所述高压断路器的特异性声纹数据并与实际模拟训练中的故障数据进行对比并决定相关故障类型所对应的最接近的声纹数据,所述中控模块根据历史声纹数据对是否需要调节的相似度评价权重系数进行判定,根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值;
步骤S2,所述中控模块在完成确定最接近的声纹数据时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,当中控模块完成对于故障出现概率的判定时,中控模块根据各声纹特征实际占的权重确定故障类型;
步骤S3,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型的判定时,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,当核实完毕符合预设标准时中控模块判定检测完成。
本发明通过设置预设相似度、预设相似度差值、高压断路器的不同运行状态下的声纹特征相似度差值以及最大声纹特征差值,可以根据预设相似度差值将需要调节的权重系数调节至对应值;可以根据实际相似度与预设相似度的对比结果对故障的类型进行初步判定,可以根据各声纹特征实际占的权重确定故障类型;可以根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,当核实完毕符合预设标准时中控模块判定检测完成。实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,在所述步骤S1中,在对所述高压断路器的检测开始前,所述中控模块根据历史声纹数据对需要调节的相似度评价权重系数进行判定,中控模块设有预设高压断路器第一声纹特征A、预设高压断路器第二声纹特征B、预设高压断路器第三声纹特征C、预设第一声纹特征权重系数K1、预设第二声纹特征权重系数K2、预设第三声纹特征权重系数K3、预设第一声纹特征相似度D1以及预设第二声纹特征相似度D2,其中0≤K1<K2<K3中,设定D0=K1×A+K2×B+K3×C,
若D≤D1,所述中控模块判定历史声纹特征相似度符合预设标准并不对所述权重系数进行调节;
若D1<D≤D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第三声纹特征权重系数调节至对应值;
若D>D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第二声纹特征权重系数以及第三声纹特征权重系数调节至对应值;
所述中控模块在完成对于所需调整的预设权重系数时,中控模块根据声纹特征相似度差值与预设相似度差值的对比结果将预设权重系数调节至对应值。
本发明所述方法通过设置预设高压断路器第一声纹特征、预设高压断路器第二声纹特征、预设高压断路器第三声纹特征、预设第一声纹特征权重系数、预设第二声纹特征权重系数、预设第三声纹特征权重系数、预设第一声纹特征相似度以及预设第二声纹特征相似度,可以对相似度评价权重系数是否需要调节进行判定,实现了对于检测***中参数的及时核实检测更新,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,在所述步骤S1中,当D1<D≤D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1以及预设第二第三声纹特征权重系数调节系数α2,其中,△D1<△D2,0<α1<α2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对权重系数进行调节,调节后的权重系数记为K3’,设定K3’=K3×α2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对权重系数进行调节,调节后的权重系数记为K3”,设定K3”=K3×α1。
本发明所述方法通过设置预设第一相似度差值、预设第二相似度差值、预设第一第三声纹特征权重系数调节系数以及预设第二第三声纹特征权重系数调节系数,可以根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值,进一步实现了检测***中预设参数的及时更新,侧面上提高了检测的精度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,在所述步骤S1中,当D>D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果对是否调节相似度评价权重系数进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1、预设第二第三声纹特征权重系数调节系数α2、预设第一第二声纹特征权重系数调节系数β1以及第二第二声纹特征权重系数调节系数β2,其中,△D1<△D2,0<α1<α2<1,0<β1<β2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3’,设定K3’=K3×α2,使用β2对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2’,设定K2’=K2×β2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3”,设定K3”=K3×α1,使用β1对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2”,设定K2”=K2×β1。
本发明所述方法通过设置预设第一相似度差值、预设第二相似度差值、预设第一第三声纹特征权重系数调节系数、预设第二第三声纹特征权重系数调节系数、预设第一第二声纹特征权重系数调节系数以及第二第二声纹特征权重系数调节系数,可以根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果对是否调节相似度评价权重系数进行判定,进一步实现了对检测***中参数的及时更新,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当所述中控模块完成对于所述预设标准值的调节时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,中控模块设有预设第一声纹特征相似度D1、预设第二声纹特征相似度D2、其中D1<D2,
若D≤D1,所述中控模块初步判定高压断路器不存在故障;
若D1<D≤D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型;
若D>D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型。
本发明所述方法通过设置预设第一声纹特征相似度和预设第二声纹特征相似度,可以根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,提高了高压断路器检测的准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2,其中△D1<△D2,
若△D≤△D1,所述中控模块判定故障出现的概率为99%并发出一级故障警报;
若△D1<△D≤△D2,所述中控模块判定出现故障的概率为90%并发出二级故障警报;
若△D>△D2,所述中控模块出现故障的概率为70%并不发出故障警报。
本发明所述方法通过设置预设第一相似度差值和预设第二相似度差值,可以根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,进一步提高了故障检测的准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当D1<D≤D2或D>D2时,中控模块根据各声纹特征实际占的权重确定故障类型,中控模块设有预设第一故障类型Q1、预设第二故障类型Q2以及预设第三故障类型Q3,设定权重=声纹特征×声纹特征权重系数,
若K1·A<K2·B<K3×C,所述中控模块判定故障类型为Q3;
若K1·A<K3×C<K2·B,所述中控模块判定故障类型为Q2;
若K2·B<K3×C<K1·A,所述中控模块判定故障类型为Q1。
本发明所述方法通过设置预设第一故障类型、预设第二故障类型以及预设第三故障类型,可以根据各声纹特征实际占的权重确定故障类型,提高了高压断路器故障检测的速度和准确性,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,设定合闸状态下的声纹特征相似度记为Wa、分闸状态下的声纹特征相似度记为Wb、正常运行状态下的声纹特征相似度记为Wc,
若Wa=Wb=Wc,所述中控模块判定高压断路器不同运行状态下的故障类型相同;
若Wa≠Wb≠Wc,所述中控模块初步判定高压断路器不同运行状态下的故障类型不相同并计算不同运行状态下的声纹特征相似度差值并根据差值计算结果对是否为同一故障类型进行进一步判定。
本发明所述方法通过设定合闸状态下的声纹特征相似度、分闸状态下的声纹特征相似度以及正常运行状态下的声纹特征相似度,可以根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,提高了不同运行状态下的检测精度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,中控模块设有预设第一声纹特征相似度差值△W1、预设第二声纹特征相似度差值△W2,其中△W1<△W2,设定高压断路器不同运行状态下的声纹特征相似度差值记为△W,
若△W≤△W1,所述中控模块判定高压断路器不同运行状态下的故障类型为同一种的概率为97%并将所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W1<△W≤△W2,所述中控模块判定高压断路器不同运行状态下的故障为同一种的概率为90%并不对所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W>△W2,所述中控模块判定高压断路器不同运行状态下的故障不是同一类型故障并将所述声纹采集到的声纹特征进行区别标记、在标记完成后存入存储数据库备用。
本发明所述方法通过设置预设第一声纹特征相似度差值、预设第二声纹特征相似度差值,可以根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,进一步提高了高压断路器在不同运行状态下的检测精确度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
具体而言,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,中控模块设有预设最大声纹特征差值△Wmax,
若△W≤△Wmax,所述中控模块判定故障的判定不存在错误判定检测完成;
若△W>△Wmax,所述中控模块判定故障的判定存在错误并控制声纹采集装置对所述高压断路器不同运行状态下的声纹特征进行二次检测并在检测后继续计算声纹特征相似度差值,直到中控模块判定声纹特征相似度差值符合预设标准则判定故障检测完成。
本发明所述方法通过设置预设最大声纹特征差值,可以根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,实现了对检测后的故障判定精确度,进一步实现了检测***中参数的及时更新以及提高了高压断路器在相同和不同运行状态下的检测准确度。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于声纹智能诊断高压断路器故障检测方法,其特征在于,包括:
步骤S1,在检测开始前,中控模块根据待采集高压断路器的历史声纹数据分析计算出所述高压断路器的特异性声纹数据并与实际模拟训练中的故障数据进行对比并决定相关故障类型所对应的最接近的声纹数据,所述中控模块根据历史声纹数据对是否需要调节的相似度评价权重系数进行判定,根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值;
步骤S2,所述中控模块在完成对于权重系数的调节时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,当中控模块完成对于故障出现概率的判定时,中控模块根据各声纹特征实际占的权重确定故障类型;
步骤S3,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型的判定时,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,当核实完毕符合预设标准时中控模块判定检测完成。
2.根据权力要求1所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,在所述步骤S1中,在对所述高压断路器的检测开始前,所述中控模块根据历史声纹数据对需要调节的相似度评价权重系数进行判定,中控模块设有预设高压断路器第一声纹特征A、预设高压断路器第二声纹特征B、预设高压断路器第三声纹特征C、预设第一声纹特征权重系数K1、预设第二声纹特征权重系数K2、预设第三声纹特征权重系数K3、预设第一声纹特征相似度D1以及预设第二声纹特征相似度D2,其中0≤K1<K2<K3中,设定D0=K1×A+K2×B+K3×C,
若D≤D1,所述中控模块判定历史声纹特征相似度符合预设标准并不对所述权重系数进行调节;
若D1<D≤D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第三声纹特征权重系数调节至对应值;
若D>D2,所述中控模块判定历史声纹特征相似度不符合预设标准并将所述第二声纹特征权重系数以及第三声纹特征权重系数调节至对应值;
所述中控模块在完成对于所需调整的预设权重系数时,中控模块根据声纹特征相似度差值与预设相似度差值的对比结果将预设权重系数调节至对应值。
3.根据权利要求2所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,在所述步骤S1中,当D1<D≤D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果将需要调节的权重系数调节至对应值,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1以及预设第二第三声纹特征权重系数调节系数α2,其中,△D1<△D2,0<α1<α2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对权重系数进行调节,调节后的权重系数记为K3’,设定K3’=K3×α2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对权重系数进行调节,调节后的权重系数记为K3”,设定K3”=K3×α1。
4.根据权利要求3所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,在所述步骤S1中,当D>D2时所述中控模块在检测开始前根据历史声纹数据中实际声纹特征与预设声纹特征的相似度差值与预设相似度差值的对比结果对是否调节相似度评价权重系数进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2、预设第一第三声纹特征权重系数调节系数α1、预设第二第三声纹特征权重系数调节系数α2、预设第一第二声纹特征权重系数调节系数β1以及第二第二声纹特征权重系数调节系数β2,其中,△D1<△D2,0<α1<α2<1,0<β1<β2<1,
若△D≤△D1,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值符合预设要求并不对所述权重系数进行调节;
若△D1<△D≤△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α2对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3’,设定K3’=K3×α2,使用β2对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2’,设定K2’=K2×β2;
若△D>△D2,所述中控模块判定实际声纹特征与预设声纹特征的相似度差值不符合预设要求并使用α1对第三声纹特征权重系数进行调节,调节后的第三声纹特征权重系数记为K3”,设定K3”=K3×α1,使用β1对第二声纹特征权重系数进行调节,调节后的第二声纹特征权重系数记为K2”,设定K2”=K2×β1。
5.根据权利要求4所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当所述中控模块完成对于所述预设标准值的调节时,中控模块根据声纹检测器检测到的高压断路器的声纹特征进行计算分析后得到的各个声纹特征对声纹特征的相似度进行计算并根据计算结果与预设相似度的对比结果对故障的类型进行初步判定,中控模块设有预设第一声纹特征相似度D1、预设第二声纹特征相似度D2、其中D1<D2,
若D≤D1,所述中控模块初步判定高压断路器不存在故障;
若D1<D≤D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型;
若D>D2,所述中控模块判定实际声纹特征相似度符合预设要求并根据各个声纹特征实际占的权重确定相关故障类型。
6.根据权利要求5所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当所述中控模块完成对于是否存在故障的初步判定后,中控模块根据实际声纹特征相似度与预设相似度的差值的对比结果对故障出现的概率进行判定,中控模块设有预设第一相似度差值△D1、预设第二相似度差值△D2,其中△D1<△D2,
若△D≤△D1,所述中控模块判定故障出现的概率为99%并发出一级故障警报;
若△D1<△D≤△D2,所述中控模块判定出现故障的概率为90%并发出二级故障警报;
若△D>△D2,所述中控模块出现故障的概率为70%并不发出故障警报。
7.根据权利要求6所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当D1<D≤D2或D>D2时,中控模块根据各声纹特征实际占的权重确定故障类型,中控模块设有预设第一故障类型Q1、预设第二故障类型Q2以及预设第三故障类型Q3,设定权重=声纹特征×声纹特征权重系数,
若K1·A<K2·B<K3×C,所述中控模块判定故障类型为Q3;
若K1·A<K3×C<K2·B,所述中控模块判定故障类型为Q2;
若K2·B<K3×C<K1·A,所述中控模块判定故障类型为Q1。
8.根据权利要求7所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当所述中控模块完成对于所述高压断路器的故障类型的判定时,在不同时间段内中控模块根据所述高压断路器合闸、分闸以及正常运行过程中的声纹特征与预设声纹特征的对比结果对高压断路器不同运行状态下的相同声纹特征进行分析计算得到声纹特征相似度并初步判定是否为同一故障类型,设定合闸状态下的声纹特征相似度记为Wa、分闸状态下的声纹特征相似度记为Wb、正常运行状态下的声纹特征相似度记为Wc,
若Wa=Wb=Wc,所述中控模块判定高压断路器不同运行状态下的故障类型相同;
若Wa≠Wb≠Wc,所述中控模块初步判定高压断路器不同运行状态下的故障类型不相同并计算不同运行状态下的声纹特征相似度差值并根据差值计算结果对是否为同一故障类型进行进一步判定。
9.根据权利要求8所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当所述中控模块完成对于同一故障类型的初步判定时,中控模块根据高压断路器的不同运行状态下的声纹特征相似度差值对是否为同一故障类型进行进一步判定,中控模块设有预设第一声纹特征相似度差值△W1、预设第二声纹特征相似度差值△W2,其中△W1<△W2,设定高压断路器不同运行状态下的声纹特征相似度差值记为△W,
若△W≤△W1,所述中控模块判定高压断路器不同运行状态下的故障类型为同一种的概率为97%并将所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W1<△W≤△W2,所述中控模块判定高压断路器不同运行状态下的故障为同一种的概率为90%并不对所述声纹采集装置采集到的声纹特征存入存储数据库;
若△W>△W2,所述中控模块判定高压断路器不同运行状态下的故障不是同一类型故障并将所述声纹采集到的声纹特征进行区别标记、在标记完成后存入存储数据库备用。
10.根据权利要求9所述的基于声纹智能诊断高压断路器故障检测方法,其特征在于,当所述中控模块完成对于所述高压断路器不同运行状态下的同一声纹特征是否为同一故障类型,中控模块根据不同时间段内的同一声纹特征差值与预设最大声纹特征差值的对比结果对故障的判定是否存在错误进行核实,中控模块设有预设最大声纹特征差值△Wmax,
若△W≤△Wmax,所述中控模块判定故障的判定不存在错误判定检测完成;
若△W>△Wmax,所述中控模块判定故障的判定存在错误并控制声纹采集装置对所述高压断路器不同运行状态下的声纹特征进行二次检测并在检测后继续计算声纹特征相似度差值,直到中控模块判定声纹特征相似度差值符合预设标准则判定故障检测完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210536908.9A CN114937462A (zh) | 2022-05-17 | 2022-05-17 | 基于声纹智能诊断高压断路器故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210536908.9A CN114937462A (zh) | 2022-05-17 | 2022-05-17 | 基于声纹智能诊断高压断路器故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114937462A true CN114937462A (zh) | 2022-08-23 |
Family
ID=82864138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210536908.9A Pending CN114937462A (zh) | 2022-05-17 | 2022-05-17 | 基于声纹智能诊断高压断路器故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114937462A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115168643A (zh) * | 2022-09-07 | 2022-10-11 | 腾讯科技(深圳)有限公司 | 音频处理方法、装置、设备及计算机可读存储介质 |
CN116895286A (zh) * | 2023-09-11 | 2023-10-17 | 珠海芯烨电子科技有限公司 | 一种打印机故障监控方法以及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107238508A (zh) * | 2017-07-21 | 2017-10-10 | 浙江中控技术股份有限公司 | 一种设备状态诊断方法及装置 |
CN111537919A (zh) * | 2020-05-14 | 2020-08-14 | 莫毓昌 | 一种基于声纹特征的变压器故障诊断方法 |
CN112201260A (zh) * | 2020-09-07 | 2021-01-08 | 北京科技大学 | 一种基于声纹识别的变压器运行状态在线检测方法 |
-
2022
- 2022-05-17 CN CN202210536908.9A patent/CN114937462A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107238508A (zh) * | 2017-07-21 | 2017-10-10 | 浙江中控技术股份有限公司 | 一种设备状态诊断方法及装置 |
CN111537919A (zh) * | 2020-05-14 | 2020-08-14 | 莫毓昌 | 一种基于声纹特征的变压器故障诊断方法 |
CN112201260A (zh) * | 2020-09-07 | 2021-01-08 | 北京科技大学 | 一种基于声纹识别的变压器运行状态在线检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115168643A (zh) * | 2022-09-07 | 2022-10-11 | 腾讯科技(深圳)有限公司 | 音频处理方法、装置、设备及计算机可读存储介质 |
CN116895286A (zh) * | 2023-09-11 | 2023-10-17 | 珠海芯烨电子科技有限公司 | 一种打印机故障监控方法以及相关装置 |
CN116895286B (zh) * | 2023-09-11 | 2023-12-15 | 珠海芯烨电子科技有限公司 | 一种打印机故障监控方法以及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937462A (zh) | 基于声纹智能诊断高压断路器故障检测方法 | |
CN108674191B (zh) | 电动汽车故障诊断方法、装置和电动汽车 | |
CN106571688B (zh) | 一种直流***运行方式及隔离开关运行状态监视的方法 | |
CN103597687B (zh) | 用于hvdc断路器的快速断路器故障检测 | |
CN113777423B (zh) | 一种基于电气自动化设备的测试*** | |
CN113602147B (zh) | 电池故障检测方法及电池故障检测装置 | |
CN109659910B (zh) | 基于混合型直流断路器的柔性直流电网故障性质识别方法 | |
KR20110120270A (ko) | 병렬 반응 보상 전송 선로에서 신속한 3상 재폐쇄 방법 | |
CN112396215B (zh) | 一种设备剩余寿命自适应区间智能预测方法 | |
CN107632234A (zh) | 一种基于录波数据的变压器绕组变形评估方法 | |
CN114552577B (zh) | 一种输电***安全性评价方法 | |
KR101105136B1 (ko) | 전압 파형의 thd를 이용한 적응형 재폐로 방법 | |
Asefi et al. | Measurement and operation based condition monitoring methodology for high voltage circuit breakers | |
CN114563721A (zh) | 一种电池***电流异常变化检测方法 | |
CN116165552A (zh) | 一种电池***过压/欠压故障定位方法 | |
CN111398800A (zh) | 断路器故障查找方法 | |
CN110620369B (zh) | 一种航空发电***过压故障诊断和隔离方法 | |
CN109849735A (zh) | 一种新能源汽车电池过充保护***及方法 | |
CN112421571B (zh) | 一种具有抗短路校核功能的变压器保护方法 | |
CN116454823A (zh) | 一种车辆电池***过负荷熔断器匹配保护方法 | |
CN112816911A (zh) | 新能源车辆电机控制器高压异常断路的检测方法及*** | |
CN112986862A (zh) | 一种小电流接地***的单相接地故障识别方法 | |
CN113742648A (zh) | 一种交流接触器开断性能退化评估方法 | |
CN117674082A (zh) | 一种基于广域测量数据的电力***暂态评估方法 | |
CN111917109B (zh) | 一种智能开关消弧过电压保护方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220823 |
|
RJ01 | Rejection of invention patent application after publication |