[发明专利]一种光缆振动中断预警系统的分类器训练方法有效
申请号: | 201910527175.0 | 申请日: | 2019-06-18 |
公开(公告)号: | CN110222670B | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 张珮明 | 申请(专利权)人: | 广东电网有限责任公司;广东电网有限责任公司电力调度控制中心 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 张春水;唐京桥 |
地址: | 510600 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 光缆 振动 中断 预警系统 分类 训练 方法 | ||
1.一种光缆振动中断预警系统的分类器训练方法,其特征在于,包括:
步骤一、获取训练信号样本,在各基建施工现场附件安装光纤振动探测器,记录施工挖掘期间的振动信号,作为训练信号样本;在实验室安装该光纤振动探测器,在实验箱内模拟缆沟环境,饲养白鼠,让其在光缆附近走动,啃咬光缆外层护套,记录白鼠走动和啃咬光缆护套期间的振动信号,作为训练信号样本;在正常运行的光缆富裕纤芯上安装该光纤振动探测器,记录风吹、雨滴、冰雹击打、植物刮碰、路人行走、汽车经过光缆正常运行期间的振动信号,作为训练信号样本;
步骤二、对训练信号样本进行编号,提取获取到的训练信号样本的幅度、持续时间、信号一阶差分值的绝对值的最大值作为特征向量;
步骤三、将所有的训练信号样本随机分为两组,3/4的训练信号样本作为训练组样本,剩余的1/4训练信号样本作为测试组样本;
训练组样本是已标记好的训练信号样本,将所有训练组样本按照接已分类好的类别进行分组,施工挖掘期间的训练信号样本分为第A组,白鼠啃咬光缆护套期间的训练信号样本分为第B组,白鼠在光缆上走动的训练信号样本分为第C组,其余训练信号样本分为第D组;
步骤四、将A、B、C、D四个组中的每个组的所有训练信号样本作为一个整体,计算该组的特征向量,从而获得每组的特征向量;
步骤五、对测试组样本计算特征向量取值,然后使用分类器对测试组样本进行分类;
步骤六、将每份测试组样板信号的测试分组结果与该信号的实际分组比较,从而获得分类的准确率,当准确率在预设范围内,则分类器训练完成。
2.根据权利要求1所述的光缆振动中断预警系统的分类器训练方法,其特征在于,所述步骤二具体包括:
对训练信号样本进行编号,提取获取到的训练信号样本的幅度、持续时间、信号一阶差分值的绝对值的最大值作为特征向量,定义目标分类的特征向量为:
V=[S,L,Dmax]
其中,S为目标信号的幅度,L为目标信号的持续时间,Dmax为信号一阶差分值的绝对值的最大值;其中,S为目标信号的幅度,L为目标信号的持续时间,Dmax为信号一阶差分值的绝对值的最大值,Dmax的计算公式为:
Dmax=|xi-xi-1|max
其中,i∈(1,2,3,...,N),xi为信号的幅度,N为信号处理选取的一个信号子段,每100个点为一个子段,即N=100。
3.根据权利要求2所述的光缆振动中断预警系统的分类器训练方法,其特征在于,所述步骤四具体包括:
将A、B、C、D四个组中的每个组的所有训练信号样本作为一个整体,计算该组的特征向量,从而获得每组的特征向量VX(Sx,Lx,Dx)。
4.根据权利要求3所述的光缆振动中断预警系统的分类器训练方法,其特征在于,所述步骤五具体包括:
对测试组样本计算特征向量取值,然后使用分类器对测试组样本进行分类,具体分类方法为:
取其中一份测试组样本中的测试信号样本,计算特征向量VY(Sy,Ly,Dy);
计算每一份测试信号样本的特征向量VY与A、B、C、D四个组中每个组的特征向量VX之间的余弦值,计算公式为:
根据cosθ的值确认该测试信号样本是否属于该分组。
5.根据权利要求1所述的光缆振动中断预警系统的分类器训练方法,其特征在于,所述步骤六还包括:
当准确率较低时,将偏离结果的测试组信号样品排序,序号为单数的样品调整并入训练组,序号为双数的样品保留在测试组,重新训练分类器,使用分类器对新的测试样本进行分类,直至准确率在可接受范围内。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司电力调度控制中心,未经广东电网有限责任公司;广东电网有限责任公司电力调度控制中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910527175.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种案件证据智能审查方法及系统
- 下一篇:基于点阵的点读书写的方法及系统