原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于多周期特征和多尺度卷积的电弧故障识别方法及系统。本发明使用FFT变换获取频率及对应的幅值，实现周期特征的选择和对一维时序数据的二维表示。将常用时序数据扩展成可二维解释的数据并设计卷积块展开基于注意力机制和多尺度的分析，得到改进的故障电弧识别模型；在涵盖多种负载类型样本，不同采样分辨率的故障电弧数据集中进行对比实验。本发明设计合理，在预先不进行人工特征提取的情况下利用频域上的特征进行周期的选择，然后利用卷积神经网络的局部感知、权重共享和多层抽象完成特征提取，在满足故障识别准确率的
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117909818A
(43)申请公布日2024.04.19
(21)申请号202410025431.7G06N3/0464(2023.01)
文档评论（0）