欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2024104855568
申请人: 上海鑫智柔电线电缆有限公司
专利类型:发明专利
专利状态:授权未缴费
专利领域: 测量;测试
更新日期:2024-10-09
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于大数据的电缆故障智能定位系统,其特征在于,包括:电缆故障检测信号数据获取模块,用于获取在电缆故障发生区域用于探测的反射脉冲信号;

电缆故障检测信号数据特征编码模块,用于对所述反射脉冲信号进行特征编码以得到反射脉冲信号特征向量;

故障定位结果生成模块,用于基于所述反射脉冲信号特征向量,生成电缆故障点距离探测点的距离结果。

2.根据权利要求1所述的基于大数据的电缆故障智能定位系统,其特征在于,所述电缆故障检测信号数据特征编码模块,包括:反射脉冲信号频域特征提取单元,用于对所述反射脉冲信号进行频域分析以得到反射脉冲信号频域特征向量;

反射脉冲信号时域特征提取单元,用于对所述反射脉冲信号进行时域分析以得到反射脉冲信号时域特征向量;

特征融合单元,用于融合所述反射脉冲信号频域特征向量和所述反射脉冲信号时域特征向量以得到所述反射脉冲信号特征向量。

3.根据权利要求2所述的基于大数据的电缆故障智能定位系统,其特征在于,所述反射脉冲信号频域特征提取单元,包括:傅里叶变换子单元,用于对所述反射脉冲信号进行傅里叶变换以得到多个频域特征统计值;

频域特征生成子单元,用于将所述多个频域特征统计值通过序列编码器以得到所述反射脉冲信号频域特征向量。

4.根据权利要求3所述的基于大数据的电缆故障智能定位系统,其特征在于,所述反射脉冲信号时域特征提取单元,用于:将所述反射脉冲信号的波形图通过波形图特征编码器以所述反射脉冲信号时域特征向量。

5.根据权利要求4所述的基于大数据的电缆故障智能定位系统,其特征在于,所述序列编码器为使用一维卷积核的第一卷积神经网络模型,所述波形图特征编码器为使用空洞卷积核的第二卷积神经网络模型。

6.根据权利要求5所述的基于大数据的电缆故障智能定位系统,其特征在于,所述故障定位结果生成模块,包括:特征向量隐性群优化单元,用于对所述反射脉冲信号特征向量进行空间稀疏性限制的隐性群优化以得到优化反射脉冲信号特征向量;

特征向量解码单元,用于将所述优化反射脉冲信号特征向量通过故障点距离解码器以得到解码值,所述解码值用于表示电缆故障点距离探测点的距离。

7.根据权利要求6所述的基于大数据的电缆故障智能定位系统,其特征在于,所述特征向量隐性群优化单元,包括:隐性群优化因数计算一级子单元,用于计算所述反射脉冲信号特征向量的空间稀疏性限制的隐性群优化因数;

特征向量加权一级子单元,用于以所述空间稀疏性限制的隐性群优化因数作为权重对所述反射脉冲信号特征向量进行加权以得到所述优化反射脉冲信号特征向量。

8.根据权利要求7所述的基于大数据的电缆故障智能定位系统,其特征在于,所述隐性群优化因数计算一级子单元,包括:一范数计算二级子单元,用于计算所述反射脉冲信号特征向量的一范数;

特征值集合方差计算二级子单元,用于计算所述反射脉冲信号特征向量的特征值集合的方差;

隐性群优化因数生成二级子单元,用于计算所述反射脉冲信号特征向量的总和值的以

2为底的对数函数值后乘以所述反射脉冲信号特征向量的一范数再除以所述反射脉冲信号特征向量的特征值集合的方差以得到所述反射脉冲信号特征向量的空间稀疏性限制的隐性群优化因数。

9.一种基于大数据的电缆故障智能定位方法,其特征在于,包括:获取在电缆故障发生区域用于探测的反射脉冲信号;

对所述反射脉冲信号进行特征编码以得到反射脉冲信号特征向量;

基于所述反射脉冲信号特征向量,生成电缆故障点距离探测点的距离结果。

10.根据权利要求9所述的基于大数据的电缆故障智能定位方法,其特征在于,对所述反射脉冲信号进行特征编码以得到反射脉冲信号特征向量,包括:对所述反射脉冲信号进行频域分析以得到反射脉冲信号频域特征向量;

对所述反射脉冲信号进行时域分析以得到反射脉冲信号时域特征向量;

融合所述反射脉冲信号频域特征向量和所述反射脉冲信号时域特征向量以得到所述反射脉冲信号特征向量。