[发明专利]基于长短期记忆神经网络的生命体触电电流检测方法

权利要求书

1.基于长短期记忆神经网络的生命体触电电流检测方法，其特征在于，包括如下步骤：

a)、搭建生命体触电试验平台，通过控制电流、湿度、接触面积来模拟不同情况下的生命体触电，采集试验过程中的剩余电流波形数据；

b)、采用小波分解方法对步骤a)中采集的剩余电流波形数据的原始信号进行降噪处理，小波分解方法基本步骤主要包括以下部分：

1)、对原始信号进行小波分解，计算小波分解系数；

2)、对小波分解系数的阈值量化处理，将集中于高频系数的噪声成分舍去；

3)、使用小波分解的的低频系数以及各层阈值化处理后的高频系数进行重构；

设采集到的生命体触电电流波形信号为一维离散信号：

f(n)＝s(n)+ε(n) (1)

式中s(n)为原始信号，ε(n)为噪声信号，且服从N(0,σ²)分布；

对采集到的一维电信号f(n)采用Mallat塔式算法进行小波分解，尺度系数f_k^J＝1和小波系数d_k^J+1分别为：

式中J为分解层数，h和g分别是尺度函数和小波函数对应的低通和高通滤波器，N为离散采样数据长度，n＝0,1,...,N-1，k＝0,1,...,N-1；

对分解得到的小波系数d_k^J,采取软阈值处理，得出估计小波系数D_k^J为：

式中软限幅函数的阈值为

将经阈值处理后的小波系数D_k^J重构，得到恢复的原始信号估计值：

式中h′、g′是重构系数，为h、g的共轭转置^[5]；

经过以上小波分解降噪的过程能对大多数的剩余电流波形数据的原始信号进行降噪处理，从而去除噪声干扰；

c)、将经过步骤b)处理过的信号按照3:1比例随机划分为训练集和测试集，并将训练集数据作为长短期记忆神经网络模型的输入对长短期记忆神经网络模型进行训练；训练过程中将误差限制设置为1×10-7，优化器选择Adam，并引入Dropout算法对长短期记忆神经网络模型进行正则化，利用训练好的长短期记忆神经网络模型对测试集的数据进行测试，所述长短期记忆神经网络是在循环神经网络的基础上增加了控制门，分别是遗忘门、输入门和输出门。