CN113791323B - 基于智能声纹识别技术的便携式异常放电超声检测装置 - Google Patents
基于智能声纹识别技术的便携式异常放电超声检测装置 Download PDFInfo
- Publication number
- CN113791323B CN113791323B CN202111076378.6A CN202111076378A CN113791323B CN 113791323 B CN113791323 B CN 113791323B CN 202111076378 A CN202111076378 A CN 202111076378A CN 113791323 B CN113791323 B CN 113791323B
- Authority
- CN
- China
- Prior art keywords
- voiceprint recognition
- unit
- detection device
- recognition technology
- device based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000003491 array Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 5
- 108091006146 Channels Proteins 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000009413 insulation Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了基于智能声纹识别技术的便携式异常放电超声检测装置，具体涉及电力设备局部放电技术领域，包括麦克风阵列单元、FPGA控制单元、声场数据处理单元、声纹识别诊断单元和存储与显示单元，所述麦克风阵列单元输出端与FPGA控制单元输入端相连接，所述FPGA控制单元输出端与声场数据处理单元输入端相连接，所述声场数据处理单元和声纹识别诊断单元的输出端与存储与显示单元的输入端相连接。本发明通过利用超声波检测与声纹智能识别技术，利用高压局部放电会产生20k‑100kHz的超声波，且该频段超声波可以在空气中传播一段距离的原理，结合摄像头目标识别算法，可实现远距离的输电线路局放故障检测、定位与诊断。
Description
技术领域
本发明涉及电力设备局部放电技术领域，具体涉及基于智能声纹识别技术的便携式异常放电超声检测装置。
背景技术
随着电力技术正朝着高压化、智能化方向发展，电压等级的提高使得电力设备(例如变压器、绝缘开关、输电线缆、配电柜等)的绝缘问题显得越来越突出。电力设备在运行过程中，受到多种因素影响会造成绝缘材料性能逐步劣化，因此在局部高电压作用下的高压设备中某些绝缘薄弱环节会发生局部放电现象。电力设备绝缘的局部放电是指电力设备绝缘在足够强的电场作用下局部范围内发生的放电。这种放电仅造成导体间的绝缘局部短接而不形成导电通道。每一次局部放电对绝缘介质都会有一些影响，轻微的局部放电对电力设备绝缘的影响较小，绝缘强度的下降较慢；而强烈的局部放电，则会使绝缘强度很快下降。这是使高压电力设备绝缘损坏的一个重要因素。因此，设计高压电力设备绝缘时，要考虑在长期工作电压的作用下，不允许绝缘结构内发生较强烈的局部放电。对运行中的设备要加强监测，当局部放电超过一定程度时，应将设备退出运行，进行检修或更换。电力设备的异常局部放电现象主要包括三种：一是内部放电，二是沿面放电，三是电晕放电，因此在电力设备运行中需要进行定期监测，有效排查局部放电现象，避免发生事故。
目前传统局放检测大多使用接触式的检测装置，作业流程复杂且高度依赖电力设备本身检测条件，无法适用于大量的各类电力设备的日常巡检需求。同时传统局放检测主要基于信号处理技术，智能化水平相对较低，难以自动识别不同类型的放电现象，因此迫切需要研发具备智能局放故障诊断能力、非接触式、远距离异常放电检测装置来解决上述问题。
发明内容
为此，本发明提供基于智能声纹识别技术的便携式异常放电超声检测装置，通过利用超声波检测与声纹智能识别技术，利用高压局部放电会产生20k-100kHz的超声波，且该频段超声波可以在空气中传播一段距离的原理，结合摄像头目标识别算法，可实现远距离的输电线路局放故障检测、定位与诊断，以解决现有技术中由于接触式的检测装置作业流程复杂高度依赖电力设备本身检测条件导致的无法适用于大量的各类电力设备的日常巡检需求以及难以自动识别不同类型的放电现象的问题。
为了实现上述目的，本发明实施例提供如下技术方案：基于智能声纹识别技术的便携式异常放电超声检测装置，包括麦克风阵列单元、FPGA控制单元、声场数据处理单元、声纹识别诊断单元和存储与显示单元，所述麦克风阵列单元输出端与FPGA控制单元输入端相连接，所述FPGA控制单元输出端与声场数据处理单元输入端相连接，所述声场数据处理单元和声纹识别诊断单元的输出端与存储与显示单元的输入端相连接；
所述麦克风阵列单元中设有64路麦克风阵列，每路采用MEMS微型超声麦克风，按照优化的特定顺序空间排布，麦克风传感器的频率响应范围为1k-100kHz，并且能够有效探测到70米距离以内的局部放电所产生的超声波信号；多路麦克风通过高速数字采样芯片进行高频采样，输出数字超声信号；64路麦克风阵列中MEMS微型超声麦克风采用麦克风阵列面板进行安装固定，麦克风阵列面板中间开孔，嵌入USB微型摄像头，保证USB微型摄像头视场与麦克风阵列方向重合一致；
所述FPGA控制单元接收麦克风阵列单元发出的数字超声信号，采用FPGA芯片对多组数据同时进行处理，处理完成后按照通道顺序进行第一次封装，根据自定协议的标识对不同数据进行填充；填充完成后的数据进行第二次封装，使其符合UDP协议进行以太网传输；
所述声场数据处理单元接收FPGA控制单元封装后的数据，然后基于ARM Cortex-A72 CPU进行声纹数据处理计算，基于多通道时间与相位延迟技术生产实时二维声压分布热力图；同时叠加USB微型摄像头输出的光学图像，在光学图像上准确显示出声场分布热力图，从而定位出声源位置，判定局部放电现象及其部件；
所述声纹识别诊断单元中设有深度学习模型，通过内置GPU芯片基于人工智能算法及深度卷积神经网络提取声波信号的频谱特征，根据频谱特征进行不同放电类型的自动诊断与分类；
所述存储与显示单元中的声场图像、信号频谱、参数设置、设备信息通过触摸屏进行显示与调整。
进一步地，所述FPGA控制单元中填充的不同数据包括声音数据、器件参数、声音采集参数和硬件工作状况。
进一步地，所述存储与显示单元中触摸屏的分辨率为1200x960像素。
进一步地，所述存储与显示单元配备32GB存储单元，用于存储各类数据与拍摄的图像。
进一步地，所述基于智能声纹识别技术的便携式异常放电超声检测装置配备的外设设备包括可更换电池、充电电源、背带，用于实现便携式手持操作功能。
进一步地，所述基于智能声纹识别技术的便携式异常放电超声检测装置安装有防尘防水外壳，所述防尘防水外壳质量轻便，用于满足其在室外使用。
本发明具有如下优点：
1、本发明基于超声波检测与声纹智能识别技术，利用高压局部放电会产生20k-100kHz的超声波，且该频段超声波可以在空气中传播一段距离的原理，结合摄像头目标识别算法，可实现远距离的输电线路局放故障检测、定位与诊断，与现有技术相比，本发明智能化水平较高，不用与用电设备接触就能够对用电设备是否局部放电进行判断；
2、本发明通过采用设有64路麦克风阵列，利用MEMS微型超声麦克风Beamforming(波束形成)声学定位算法计算出高频声场热力图，将现场光学图像和高频声场热力图进行叠加，通过观察声场热力图颜色的深浅可快速准确看出声源的声压强度及其的位置所在，本发明设备定位出声源主要位置和主要频带特征，基于声纹识别与人工智能特征提取技术，智能诊断判别不同的局部放电模式，能够协助指导快速查找局部放电部件及其放电原因，与现有技术相比，本发明能自动自别不同类型的放电现象，能够满足用电设备日常巡检的需求。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的单元图；
图2为本发明提供的原理框图。
图中：1麦克风阵列单元、2FPGA控制单元、3声场数据处理单元、4声纹识别诊断单元、5存储与显示单元。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照说明书附图1和2，该实施例的基于智能声纹识别技术的便携式异常放电超声检测装置，包括麦克风阵列单元1、FPGA控制单元2、声场数据处理单元3、声纹识别诊断单元4和存储与显示单元5，所述麦克风阵列单元1输出端与FPGA控制单元2输入端相连接，所述FPGA控制单元2输出端与声场数据处理单元3输入端相连接，所述声场数据处理单元3和声纹识别诊断单元4的输出端与存储与显示单元5的输入端相连接；
麦克风阵列单元1用于检测响应用电设备局部放电时所产生的超声波信号，并将接收到的超声波信号转换成数字超声信号传递给FPGA控制单元2，具体内容如下所示：所述麦克风阵列单元1中设有64路麦克风阵列，每路采用MEMS微型超声麦克风，按照优化的特定顺序空间排布，麦克风传感器的频率响应范围为1k-100kHz，并且能够有效探测到70米距离以内的局部放电所产生的超声波信号；多路麦克风通过高速数字采样芯片进行高频采样，输出数字超声信号；64路麦克风阵列中MEMS微型超声麦克风采用麦克风阵列面板进行安装固定，麦克风阵列面板中间开孔，嵌入USB微型摄像头，保证USB微型摄像头视场与麦克风阵列方向重合一致；
FPGA控制单元2用于接收麦克风阵列单元1发出的数字超声信号，并对接收的信号进行处理数据处理，具体内容如下所示：FPGA控制单元2中的FPGA控制系统接收麦克风阵列单元1发出的数字超声信号，采用FPGA芯片对多组数据同时进行处理，处理完成后按照通道顺序进行第一次封装，根据自定协议的标识对不同数据进行填充；填充完成后的数据进行第二次封装，使其符合UDP协议进行以太网传输；
已知，UDP是User Datagram Protocol的简称，中文名是用户数据报协议，是OSI(Open System Interconnection，开放式系统互联)参考模型中一种无连接的传输层协议，提供面向事务的简单不可靠信息传送服务，IETF RFC 768是UDP的正式规范。UDP协议的主要作用是将网络数据流量压缩成数据包的形式。一个典型的数据包就是一个二进制数据的传输单位。每一个数据包的前8个字节用来包含报头信息，剩余字节则用来包含具体的传输数据，UDP协议与TCP协议一样用于处理数据包，在OSI模型中，两者都位于传输层，处于IP协议的上一层。UDP有不提供数据包分组、组装和不能对数据包进行排序的缺点，也就是说，当报文发送之后，是无法得知其是否安全完整到达的。UDP用来支持那些需要在计算机之间传输数据的网络应用。包括网络视频会议系统在内的众多的客户/服务器模式的网络应用都需要使用UDP协议，以太网的应用也需要使用到UDP协议，封装后的数据需要符合UDP协议的要求才能够利用以太网进行传输，以太网(Ethernet)是一种计算机局域网技术，广泛应用于当代社会中的数据传递。
FPGA控制单元2中填充的不同数据包括声音数据、器件参数、声音采集参数和硬件工作状况；
声场数据处理单元3用于对FPGA控制单元2传出的数据进行处理，具体内容如下所示：声场数据处理单元3接收FPGA控制单元2封装后的数据，然后基于ARM Cortex-A72 CPU进行声纹数据处理计算，基于多通道时间与相位延迟技术生产实时二维声压分布热力图；同时叠加USB微型摄像头输出的光学图像，在光学图像上准确显示出声场分布热力图，从而定位出声源位置，判定局部放电现象及其部件；
在声场数据处理单元3处理FPGA控制单元2中的信号的同时，声纹识别诊断单元4会对声波信号的特征进行提取并对不同的放电类型进行划分，具体内容如下所示：声纹识别诊断单元4中设有深度学习模型，通过内置GPU芯片基于人工智能算法及深度卷积神经网络提取声波信号的频谱特征，根据频谱特征进行不同放电类型的自动诊断与分类类；
存储与显示单元5用于对处理后的处理进行存储，具体内容如下所示：所述存储与显示单元5中的声场图像、信号频谱、参数设置、设备信息通过触摸屏进行显示与调整，改该触摸屏的分辨率为1200x960像素，存储与显示单元5还配备32GB存储单元，用于存储各类数据与拍摄的图像。
本发明的外设设备包括可更换电池、充电电源、背带，用于实现便携式手持操作功能。
本发明安装有防尘防水外壳，所述防尘防水外壳质量轻便，用于满足本发明在室外使用。
实施场景具体为：在实际使用时，工作人员可通过背带将本发明随身进行携带，从而能够方便工作人员对用电设备是否局部放电进行检测，当工作人员携带本发明移动到用电设备周围，当用电设备出现局部放电的情况时，麦克风阵列单元1中所安装的64路麦克风阵列会通过高速数字采样芯片进行高频采样，从而能够接收到用电设备局部放电时产生的超声波信号，并且能够将接收的超声波信号输出为数字超声信号，而且每路麦克风阵列中采用MEMS微型超声麦克风，该MEMS微型超声麦克风频率响应范围为1k-100kHz，并且能够有效探测到70米距离以内的局部放电所产生的超声波信号，从而能够有效的扩大本发明的检测范围，同时用以安装固定MEMS微型超声麦克风的麦克风阵列面板上还嵌入安装有USB微型摄像头，利用该USB微型摄像头能够对现场进行拍摄，以获得光学图像信息。然后高速数字采样芯片会将数字超声信号传递给FPGA控制单元2中的FPGA控制系统，FPGA控制系统会采用FPGA芯片对多组数据同时进行处理，处理完成后按照通道顺序进行第一次封装，根据自定协议的标识对不同数据(声音数据、器件参数、声音采集参数和硬件工作状况)进行填充；填充完成后的数据进行第二次封装，使其符合UDP协议进行以太网传输。第二次封装后的数据会通过以太网传输给声场数据处理单元3，然后声场数据处理单元3基于ARMCortex-A72 CPU进行声纹数据处理计算，基于多通道时间与相位延迟技术生产实时二维声压分布热力图；同时采集USB微型摄像头输出的光学图像，在光学图像上准确显示出声场分布热力图，从而定位出声源位置，判定局部放电现象及其部件；同时，声纹识别诊断单元4内置的GPU芯片中搭载有深度学习模型，该深度学习模型会基于人工智能算法及深度卷积神经网络提取声波信号的频谱特征，根据频谱特征进行不同放电类型的自动诊断与分类。最后处理的结果会传递给存储与显示单元5中的32GB存储单元，以储存处理后的数据和图像，而且存储与显示单元5中的声场图像、信号频谱、参数设置、设备信息等信息可以通过触摸屏进行显示与调整，工作人员可以通过触摸屏直观的了解到检测结果，并且还能通过触摸屏适时调节本发明的各项参数。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：包括麦克风阵列单元(1)、FPGA控制单元(2)、声场数据处理单元(3)、声纹识别诊断单元(4)和存储与显示单元(5)，所述麦克风阵列单元(1)输出端与FPGA控制单元(2)输入端相连接，所述FPGA控制单元(2)输出端与声场数据处理单元(3)输入端相连接，所述声场数据处理单元(3)和声纹识别诊断单元(4)的输出端与存储与显示单元(5)的输入端相连接；
所述麦克风阵列单元(1)中设有64路麦克风阵列，每路采用MEMS微型超声麦克风，按照优化的特定顺序空间排布，麦克风传感器的频率响应范围为1k-100kHz，并且能够有效探测到70米距离以内的局部放电所产生的超声波信号；多路麦克风通过高速数字采样芯片进行高频采样，输出数字超声信号；64路麦克风阵列中MEMS微型超声麦克风采用麦克风阵列面板进行安装固定，麦克风阵列面板中间开孔，嵌入USB微型摄像头，保证USB微型摄像头视场与麦克风阵列方向重合一致；
所述FPGA控制单元(2)接收麦克风阵列单元(1)发出的数字超声信号，采用FPGA芯片对多组数据同时进行处理，处理完成后按照通道顺序进行第一次封装，根据自定协议的标识对不同数据进行填充；填充完成后的数据进行第二次封装，使其符合UDP协议进行以太网传输；
所述声场数据处理单元(3)接收FPGA控制单元(2)封装后的数据，然后基于ARMCortex-A72 CPU进行声纹数据处理计算，基于多通道时间与相位延迟技术生产实时二维声压分布热力图；同时叠加USB微型摄像头输出的光学图像，在光学图像上准确显示出声场分布热力图，从而定位出声源位置，判定局部放电现象及其部件；
所述声纹识别诊断单元(4)中设有深度学习模型，通过内置GPU芯片基于人工智能算法及深度卷积神经网络提取声波信号的频谱特征，根据频谱特征进行不同放电类型的自动诊断与分类；
所述存储与显示单元(5)中的声场图像、信号频谱、参数设置、设备信息通过触摸屏进行显示与调整。
2.根据权利要求1所述的基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：所述FPGA控制单元(2)中填充的不同数据包括声音数据、器件参数、声音采集参数和硬件工作状况。
3.根据权利要求1所述的基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：所述存储与显示单元(5)中触摸屏的分辨率为1200x960像素。
4.根据权利要求1所述的基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：所述存储与显示单元(5)配备32GB存储单元，用于存储各类数据与拍摄的图像。
5.根据权利要求1所述的基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：所述基于智能声纹识别技术的便携式异常放电超声检测装置配备的外设设备包括可更换电池、充电电源、背带，用于实现便携式手持操作功能。
6.根据权利要求1所述的基于智能声纹识别技术的便携式异常放电超声检测装置，其特征在于：所述基于智能声纹识别技术的便携式异常放电超声检测装置安装有防尘防水外壳，所述防尘防水外壳质量轻便，用于满足其在室外使用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076378.6A CN113791323B (zh) | 2021-09-14 | 2021-09-14 | 基于智能声纹识别技术的便携式异常放电超声检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076378.6A CN113791323B (zh) | 2021-09-14 | 2021-09-14 | 基于智能声纹识别技术的便携式异常放电超声检测装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113791323A CN113791323A (zh) | 2021-12-14 |
| CN113791323B true CN113791323B (zh) | 2023-09-19 |
Family
ID=78880194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111076378.6A Active CN113791323B (zh) | 2021-09-14 | 2021-09-14 | 基于智能声纹识别技术的便携式异常放电超声检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113791323B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115932481A (zh) * | 2023-01-30 | 2023-04-07 | 国网江苏省电力有限公司南京供电分公司 | 一种架空配电线路局部放电故障定位方法 |
| CN117894319B (zh) * | 2024-03-14 | 2024-05-17 | 南京土星信息科技有限公司 | 基于机器学习数据生成的小样本声纹识别模型训练方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201723985U (zh) * | 2010-03-15 | 2011-01-26 | 北京中联电科技术有限公司 | 一种内置声纹识别算法的次声波信号监测装置 |
| KR101213540B1 (ko) * | 2011-08-18 | 2012-12-18 | (주)에스엠인스트루먼트 | 멤스 마이크로폰 어레이를 이용한 음향감지 장치 및 음향카메라 |
| KR101410733B1 (ko) * | 2013-01-10 | 2014-06-24 | 한국전기연구원 | 레퍼런스 마이크를 이용한 부분방전 측정 장치 및 방법 |
| CN106954136A (zh) * | 2017-05-16 | 2017-07-14 | 成都泰声科技有限公司 | 一种集成麦克风接收阵列的超声定向发射参量阵 |
| CN109642937A (zh) * | 2016-09-23 | 2019-04-16 | 杰富意钢铁株式会社 | 超声波源的方位标定装置及重合图像的分析方法 |
| CN111665422A (zh) * | 2020-06-08 | 2020-09-15 | 郑州精铖电力设备有限公司 | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 |
| CN111736050A (zh) * | 2020-08-28 | 2020-10-02 | 杭州兆华电子有限公司 | 局部放电故障监测和评估装置及方法 |
| CN112113656A (zh) * | 2020-10-14 | 2020-12-22 | 杭州听测科技有限公司 | 基于64通道声信号接收阵列的故障检测设备 |
| CN213240378U (zh) * | 2020-06-08 | 2021-05-18 | 郑州精铖电力设备有限公司 | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 |
-
2021
- 2021-09-14 CN CN202111076378.6A patent/CN113791323B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201723985U (zh) * | 2010-03-15 | 2011-01-26 | 北京中联电科技术有限公司 | 一种内置声纹识别算法的次声波信号监测装置 |
| KR101213540B1 (ko) * | 2011-08-18 | 2012-12-18 | (주)에스엠인스트루먼트 | 멤스 마이크로폰 어레이를 이용한 음향감지 장치 및 음향카메라 |
| KR101410733B1 (ko) * | 2013-01-10 | 2014-06-24 | 한국전기연구원 | 레퍼런스 마이크를 이용한 부분방전 측정 장치 및 방법 |
| CN109642937A (zh) * | 2016-09-23 | 2019-04-16 | 杰富意钢铁株式会社 | 超声波源的方位标定装置及重合图像的分析方法 |
| CN106954136A (zh) * | 2017-05-16 | 2017-07-14 | 成都泰声科技有限公司 | 一种集成麦克风接收阵列的超声定向发射参量阵 |
| CN111665422A (zh) * | 2020-06-08 | 2020-09-15 | 郑州精铖电力设备有限公司 | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 |
| CN213240378U (zh) * | 2020-06-08 | 2021-05-18 | 郑州精铖电力设备有限公司 | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 |
| CN111736050A (zh) * | 2020-08-28 | 2020-10-02 | 杭州兆华电子有限公司 | 局部放电故障监测和评估装置及方法 |
| CN112113656A (zh) * | 2020-10-14 | 2020-12-22 | 杭州听测科技有限公司 | 基于64通道声信号接收阵列的故障检测设备 |
Non-Patent Citations (2)
| Title |
|---|
| 基于超声波法的变压器重症监护系统研制及应用;陆云才;胡汉巧;蔚超;李建生;吴鹏;;电力工程技术(第02期);全文 * |
| 超声波局部放电带电检测方法的研究现状与发展;杜伟;陈珉;于淼;王鸿学;林敏;;浙江电力(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113791323A (zh) | 2021-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113791323B (zh) | 基于智能声纹识别技术的便携式异常放电超声检测装置 | |
| CN103197215B (zh) | Gis交流耐压试验放电故障定位系统及方法 | |
| CN107390097A (zh) | 一种gis声电联合局部放电仿真检测系统及其检测方法 | |
| CN203561385U (zh) | 基于光纤-微机电传感器的输电线路在线参数监测系统 | |
| CN103499776A (zh) | 基于超声波和红外热像的输变电设备故障巡检核心系统 | |
| CN114039819B (zh) | 一种基于5g的边缘智能网关 | |
| WO2019214231A1 (zh) | 故障电弧的检测方法、装置和系统 | |
| CN111665422A (zh) | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 | |
| CN114167315A (zh) | 一种变压器智能在线监测系统及其方法 | |
| CN204789891U (zh) | 一种新型合成绝缘子故障检测装置 | |
| CN113655350A (zh) | Gis局部放电在线监测系统及方法 | |
| CN114089135A (zh) | 一种变配电高频电流局放传感器及其方法 | |
| CN213240378U (zh) | 基于fpga的麦克风阵列非侵入式宽频声波实时成像检测系统 | |
| CN109975674A (zh) | 一种电力电缆中间接头绝缘状态在线检测装置 | |
| CN207557405U (zh) | 一种高压电缆带电局放检测传感器 | |
| CN106375227A (zh) | 一种具有监控功能的路由器 | |
| CN206339613U (zh) | 电缆局放监测系统及高频传感器 | |
| CN202748028U (zh) | 一种检测系统 | |
| CN114236312B (zh) | 一种在线分段绝缘状态监测及故障定位的方法及系统 | |
| CN203825161U (zh) | 一种断路器合分闸速度检测装置 | |
| CN217132351U (zh) | 基于多通道声传感器随机阵列的工业设备故障检测装置 | |
| CN104267321A (zh) | 一种基于Zigbee无线组网的GIS状态监测装置 | |
| CN206993302U (zh) | 一种路由器智能监控装置 | |
| EP4033262A1 (en) | Partial discharge detection device and method based on cross-connection case | |
| CN211147878U (zh) | 一种开关柜电缆接头无线测温装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Portable Abnormal Discharge Ultrasonic Detection Device Based on Intelligent Voiceprint Recognition Technology Granted publication date: 20230919 Pledgee: Nanjing Bank Co.,Ltd. Nanjing North Branch Pledgor: Nanjing Saturn Vision Technology Co.,Ltd. Registration number: Y2024980043004 |