[发明专利]一种基于多类型传感器的融合感知方法

说明书

本发明提供了一种基于多类型传感器的融合感知方法，具体包含以下步骤：S1：获取不同类型传感器对应的多个输入信号；S2：将不同的输入信号输入对应的浅层卷积神经网络，从而获取对应的特征向量；S3：融合中心通过二次卷积神经网络对所述特征向量进行融合处理；S4：利用线性分类器对融合处理的的特征向量进行分类；S5：根据S4步骤的分类结果识别出不同类型传感器的信号，根据对应的特征向量即可进行故障诊断。本发明实现了多参量的联合感知与故障诊断，从而克服传统单参量监测诊断易造成的漏判与误判，提高电力设施在线监测的精度和故障诊断的准确率，最大限度降低安全事故的发生。

技术领域

本发明涉及泛在电力物联网技术领域，尤其涉及一种基于多类型传感器的融合感知方法。

背景技术

电力行业是国民经济的基础能源产业，对国民经济各产业的健康发展提供支撑，同时对人民生活水平的提高具有重要意义，与国民经济发展息息相关。在国家电网发布的战略规划中提出，到2021年初步建成泛在电力物联网，基本实现业务协同和数据贯通，初步实现统一物联管理，各级智慧能源综合服务平台具备基本功能，支撑电网业务与新兴业务发展；到2024年建成泛在电力物联网，全面实现业务协同、数据贯通和统一物联管理，公司级智慧能源综合服务平台具备强大功能，全面形成共建共治共享的能源互联网生态圈。

而在电力物联网领域中，传感器的使用具有大规模、多源化、异构化等特点，因此亟需突破传统传感器单一感知的限制，研发基于泛在物联网技术的多类型传感器融合感知方法，实现多参量的联合感知与故障诊断，从而克服传统单参量监测诊断易造成的漏判与误判，提高电力设施在线监测的精度和故障诊断的准确率，最大限度降低安全事故的发生。

发明内容

为实现上述目的，本发明提供了一种基于多类型传感器的融合感知方法，包含以下步骤：

S1：获取不同类型传感器对应的多个输入信号；

S2：将不同的输入信号输入对应的浅层卷积神经网络，从而获取对应的特征向量；

S3：融合中心通过二次卷积神经网络对所述特征向量进行融合处理；

S4：利用线性分类器对融合处理的的特征向量进行分类；

S5：根据S4步骤的分类结果识别出不同类型传感器的信号，根据对应的特征向量即可进行故障诊断。

进一步地，所述S3步骤包括：

S31：通过选取对应的核函数将特征空间的特征向量映射到高维特征空间；

S32：对各个核函数赋予不同的权重值，并进行线性组合；

S33：利用经过该线性组合后的核函数对各个高维特征空间融合处理，得到高维融合特征空间。

所述高维融合特征空间，其表达式如下所示：

其中λ_i表示各个通道的权重值，其中x和z指映射之前的两个输入特征向量向量。

优选地，所述传感器的类型包括：震动传感器、声音传感器、温度传感器、湿度传感器。

优选地，从震动传感器获取震动特征向量，并通过震动核函数映射到震动高维特征空间中；

从声音传感器获取声音特征向量，并通过声音核函数映射到声音高维特征空间中；

从温度传感器获取温度特征向量，并通过温度核函数映射到温度高维特征空间中。

优选地，所述S33步骤包含：利用经过该线性组合后的核函数对所述震动高维特征空间、声音高维特征空间、温度高维特征空间进行融合处理，从而获得高维融合特征空间。

本发明具有以下有益效果：