买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116561556B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310483281.X，技术领域涉及：G06F18/213；该发明授权一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法是由王红霞;王波;罗鹏;张嘉鑫;马恒瑞;王雷雄;马富齐;李怡凡;冯磊;张迎晨设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法在说明书摘要公布了：本发明公开了一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法，通过分别挖掘多通道声信号的空间关联性和时间关联性，对电力设备局部放电类型进行分类。本发明提出一种进行时空关联性挖掘的一维卷积神经网络，首先对多通道声信号进行空间关联性挖掘，获取空间权重信息并对多通道声信号特征进行空间关联性加权；然后在此基础上对各通道信号进行时间关联性挖掘，从而获得时间权重信息并对各通道声信号进行时间关联性加权；最后经过空间和时间关联性挖掘的多通道声信号进行进一步特征提取和局放类型分类。本发明能有效基于声信号进行电力设备局部放电分类，从而为电力设备的故障诊断和预防提供支持。

本发明授权一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法在权利要求书中公布了：1.一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法，其特征在于，包括以下步骤： S1、对多通道声信号进行空间关联性挖掘并获取空间关联性权重； 所述步骤S1中，对多通道声信号空间关联性挖掘，主要包括以下几个关键步骤： S11、将n通道p长度的多通道声信号排列为Xn×p的多时间序列矩阵； S12、将Xn×p经过32个大小为1、步长为1的一维卷积神经网络，在空间维度上进行信息特征提取，获得大小为n×32的特征Xn×32 S13、对Xn×32在通道方向上进行全局平均池化操作，每个声传感器为一个通道，获得大小为n的特征X S14、分别经过两个大小为n的全连接层对X中各通道间的关联性进行提取，获得空间关联性权重S S2、对多通道声信号进行空间关联性加权； 所述步骤S2中，对多通道声信号进行空间关联性加权如下，使用空间关联性权重S对Xn×p进行加权得到具体计算方式为 S3、对经过空间关联性加权的多通道声信号进行时间关联性挖掘，并获取时间关联性权重： 所述步骤S3中，对多通道声信号进行时间关联性挖掘方法时，主要包括以下几个关键步骤： S31、将经过32个大小为5、步长为5的一维卷积神经网络，在时间维度上进行信息特征提取，获得大小为32×p5的特征X32×p5； S32、对X32×p5在滤波器方向上进行全局平均池化操作，由步骤S31可知，共使用了32个大小为5×5的滤波器，获得大小为p5的特征Xp5； S33、经过两个大小分别为p10和p5的全连接层对Xn×p5中各时间段间的关联性进行提取，获得时间关联性权重Tw； S4、对各通道声信号进行时间关联性加权； 所述步骤S4中，对各通道声信号进行时间关联性加权如下：使用时间关联性权重Tw对Xn×p5进行加权得到具体计算方式为 S5、对经过空间和时间关联性挖掘的多通道声信号进行进一步特征提取，并对电力设备局部放电进行分类， 所述步骤S5中，对经过空间和时间关联性挖掘的多通道声信号进行进一步特征提取，分别经过两层大小为1024的全连接层对进行特征提取，最后经大小为c的全连接层和softmax对电力设备的局放来类型进行分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430067 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。