[发明专利]高性能环氧绝缘件内部缺陷检测方法、系统、设备及介质

权利要求书

1.一种高性能环氧绝缘件内部缺陷检测方法，其特征在于，所述高性能环氧绝缘件内部缺陷检测方法包括以下步骤：

步骤一，对由振荡波测试设备采集环氧绝缘件的局部放电信号进行预处理；

步骤二，将由步骤一得到的时间分布的局部放电信号转换为逐周期的相位分布模式，并统计每个周期的放电特征量的分布；

步骤三，使用卷积神经网络对每个周期的放电特征量进行特征提取，获得每个周期的抽象特征表达，进而得到对应于周期的抽象特征序列；

步骤四，使用循环神经网络处理与周期相对应的抽象特征序列，而后进行分类预测。

2.如权利要求1所述的高性能环氧绝缘件内部缺陷检测方法，其特征在于，步骤一中，所述对由振荡波测试设备采集环氧绝缘件的局部放电信号进行预处理，包括：

(1)使用振荡波测试设备采集环氧绝缘件的局部放电信号；

(2)按照振荡波测试方法并对环氧绝缘件进行局部放电检测和采集；

(3)将采集到的信号进行滤波、放大处理，再将处理后的模拟信号转换为数字信号。

3.如权利要求1所述的高性能环氧绝缘件内部缺陷检测方法，其特征在于，步骤二中，所述将由步骤一得到的时间分布的局部放电信号转换为逐周期的相位分布模式，并统计每个周期的放电特征量的分布，包括：

(1)根据所采集到局部放电信号的衰减情况，使用前P个振荡波周期内的局部放电信号做进一步分析；

(2)对第1个周期，将其分为N个等长小区间，统计每个小区间内的放电特征量，获得第1个周期的放电特征量的分布；

(3)按照与步骤(2)相同的方法，分别提取对第2～P个周期的放电特征量的分布；其中，所述放电特征量包括平均放电量、最大放电量以及放电次数。

4.如权利要求1所述的高性能环氧绝缘件内部缺陷检测方法，其特征在于，步骤三中，所述使用卷积神经网络对每个周期的放电特征量进行特征提取，获得每个周期的抽象特征表达，进而得到对应于周期的抽象特征序列，包括：

(1)对第1个周期，使用卷积神经网络对各放电特征量进行特征提取，再将不同放电特征量提取出的特征进行融合，得到第1个周期的抽象特征表达；

(2)按照与步骤(1)相同的方法，获得第2～P个周期的特征表达；

(3)将步骤(2)与步骤(3)获得的特征表达，转换为与周期顺序一一对应的抽象特征序列。

5.如权利要求4所述的高性能环氧绝缘件内部缺陷检测方法，其特征在于，所述步骤(2)和步骤(3)之间还包括：

1)在卷积神经网络中，加入dropout层；

2)在卷积神经网络中加入空洞卷积，在不额外增加计算量的前提下以获得更大尺度的语义信息。

6.如权利要求1所述的高性能环氧绝缘件内部缺陷检测方法，其特征在于，步骤四中，所述使用循环神经网络处理与周期相对应的抽象特征序列，而后进行分类预测，包括：

(1)将抽象特征序列输入多对一的循环神经网络；其中，所述循环神经网络的类型包括LSTM和GRU；

(2)将循环神经网络的输出送入全连接层进行最终的分类预测；其中，使用softmax作为激活层。

7.一种应用如权利要求1～6任意一项所述的高性能环氧绝缘件内部缺陷检测方法的高性能环氧绝缘件内部缺陷检测系统，其特征在于，所述高性能环氧绝缘件内部缺陷检测系统包括：

信号预处理模块，用于对由振荡波测试设备采集环氧绝缘件的局部放电信号进行预处理；

分布模式转换模块，用于将由信号预处理模块得到的时间分布的局部放电信号转换为逐周期的相位分布模式，并统计每个周期的放电特征量的分布；

特征提取模块，用于使用卷积神经网络对每个周期的放电特征量进行特征提取，获得每个周期的抽象特征表达，进而得到对应于周期的抽象特征序列；

分类预测模块，用于使用循环神经网络处理与周期相对应的抽象特征序列，而后进行分类预测。