CN114885040A - 一种多路复用通信的智能输配电设备通信控制系统及方法 - Google Patents

一种多路复用通信的智能输配电设备通信控制系统及方法 Download PDF

Info

Publication number
CN114885040A
CN114885040A CN202210783440.3A CN202210783440A CN114885040A CN 114885040 A CN114885040 A CN 114885040A CN 202210783440 A CN202210783440 A CN 202210783440A CN 114885040 A CN114885040 A CN 114885040A
Authority
CN
China
Prior art keywords
communication
module
data
data information
power transmission
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.)
Pending
Application number
CN202210783440.3A
Other languages
English (en)
Inventor
方钱香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Senporui Technology Co ltd
Original Assignee
Wuhan Senporui Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Senporui Technology Co ltd filed Critical Wuhan Senporui Technology Co ltd
Priority to CN202210783440.3A priority Critical patent/CN114885040A/zh
Publication of CN114885040A publication Critical patent/CN114885040A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/08—Protocols for interworking; Protocol conversion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/128—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment involving the use of Internet protocol

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Maintenance And Management Of Digital Transmission (AREA)

Abstract

本发明公开一种多路复用通信的智能输配电设备通信控制系统及方法，涉及多路复用通信领域，解决的技术问题是智能输配电及控制中的多路复用通信及控制，采用的方案是通过主控模块控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，所述主控模块为通信协议映射的多模控制主控模块，通过多路复用通信模块将Modbus通信、HTTP通信、XMPP通信、WIA‑PA通信、PLC通信或者RS485通信汇集高速载波数据信道，通过自定义通信协议模块连接有超时检测模块和所述超时检测模块连接的寄存器、发送逻辑模块和接收逻辑模块。本发明能够实现智能输配电设备通信的多路复用通信，实现智能输配电设备通信过程中的故障诊断，大大提高了智能输配电设备通信控制能力。

Description

一种多路复用通信的智能输配电设备通信控制系统及方法
技术领域
本发明涉及多路复用通信领域，且更确切地涉及一种多路复用通信的智能输配电设备通信控制系统及方法。
背景技术
智能输配电设备通信过程中，实现对变电站设备的精益管理、精益检测和精益管控，让运检人员更加专注于故障抢修、运行分析、指挥决策工作，帮助减少故障停电时间，保障电网稳定供电与设备安全运行，增强供电服务保障能力。如何实现智能输配电设备通信控制仍旧是亟待解决的问题。
专利申请号CN201580077440.X公开一种多路复用通信系统及作业机，该技术与将工业用网络中传送的控制数据进行多路复用而发送的复用处理部之间实施数据的交接的多路复用通信系统及作业机。从属部对工业用网络(例如，EtherCAT(注册商标))的控制数据进行处理。在从属部中处理的控制数据通过基于复用处理部的多路复用通信来收发。虽然在一定程度上提高了多路复用通信系统能力，但无法实现多路复用通信过程中的数据信息诊断与信息处理。专利申请号CN202111660716.0公开一种多路复用通信方法、装置、第一芯片和第二芯片，也能够实现多路复用通信，采用的技术方案是在第一芯片和第二芯片之间设置有通信接口，通信接口包括虚拟多路复用通道，虚拟多路复用通道包括控制通道；该方法包括：第一芯片与第二芯片通过控制通道进行通信，其中，控制通道用于实现以下至少一个功能：控制通道用于通过握手通信方式使得第一芯片和第二芯片处于准备状态；控制通道用于在第一芯片和第二芯片通信的过程中进行数据流量控制；控制通道用于通过远程调用第二芯片的功能函数以控制第二芯片实现功能函数对应的通信行为；控制通道用于对第一芯片和第二芯片进行通信的通信数据进行统计，从而提高了通信的效率以及实现了多业务并发的通信功能。这种方法虽然克服了上述技术的不足，但是无法实现数据通信的控制、转换和通信过程中的故障诊断。
发明内容
针对上述技术的不足，本发明公开一种多路复用通信的智能输配电设备通信控制系统及方法，能够实现智能输配电设备通信的多路复用通信，并且能够实现智能输配电设备通信过程中的故障诊断，大大提高了智能输配电设备通信控制能力。
为了实现上述技术效果，本发明采用以下技术方案：
一种多路复用通信的智能输配电设备通信控制系统，其中包括：
主控模块，用于控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；所述主控模块为通信协议映射的多模控制主控模块，包括Modbus通信协议转换模块、HTTP通信协议转换模块、XMPP通信协议转换模块、WIA-PA通信协议转换模块、PLC通信协议转换模块、RS485通信协议转换模块和通信协议指令控制输出模块；
多路复用通信模块，用于将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；包括通信控制器和与所述通信控制器连接的定时器、开关切换模块、程序存储器、自定义通信协议模块和信道检测模块，其中自定义通信协议模块连接有超时检测模块和所述超时检测模块连接的寄存器、发送逻辑模块和接收逻辑模块，其中所述程序存储器用于存储通信控制指令，所述开关切换模块为介于2-64通道的数据信息通道，所述信道检测模块用于检测信道是否通顺，所述寄存器存放n位二进制代码数据信息，所述发送逻辑模块用于发送数据信息，所述接收逻辑模块用于接收数据信息；
信号转换模块，用于转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
通信故障诊断模块，通过GAN诊断模型用于诊断通信数据信息中数据信息；
其中所述主控模块分别与多路复用通信模块、信号转换模块和通信故障诊断模块连接。
作为本发明进一步的技术方案，多模控制主控模块为ARM+FPGA控制器，程序存储器存储为64K，定时器为四个十六位。
作为本发明进一步的技术方案，通信控制器为CC2530通信芯片，内部包含有高质量的RF收发器和51内核，内部数据存储器容量为8KB。
作为本发明进一步的技术方案，自定义通信协议模块通过自定义数据通道接口实现不同信息协议的定义。
作为本发明进一步的技术方案，开关切换模块包括低密度PXI多路切换模块、高密度PXI多路切换模块、大功率PXI多路切换模块和高电压PXI多路切换模块，其中低密度PXI多路切换模块在4和64通道、1和8行、1和8刀之间，高密度PXI多路切换模块在3和198通道、1和20行、1和32刀之间，高密度PXI多路切换模块包括BRIC大型PXI多路复用器，大功率PXI多路复用器 在3和48通道、1和8行、1和2刀之间，高电压PXI多路复用器在2和24通道、1和12行之间。
作为本发明进一步的技术方案，GAN诊断模型包括通信信息提取模块、权重更新模块、计算模块、决策树模块和诊断模块，其中所述通信信息提取模块用于提取通信数据信息，权重更新模块用于将计算过程中的权重更新，计算模块用于计算网络故障样本数据信息，决策树模块用于将输入的数据信息分类，诊断模块用于诊断通信异常数据信息。
作为本发明进一步的技术方案，信号转换模块通过STM32F407VET6芯片实现Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信协议的转换。
作为本发明进一步的技术方案，载波通信通过发送和接收两个部分实现数据信息的接收或者发送，包括载波发送电路、通信单元接口、载波发送电路、接收滤波模块、增益控制模块、信号调理模块、调制解调模块、阻抗模块、功率放大模块、滤波电压放大模块和RAM缓存模块。
一种多路复用通信的智能输配电设备通信控制方法，其中包括以下步骤：
步骤一、通过主控模块控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；
步骤二、通过多路复用通信模块将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；
步骤三、通过信号转换模块转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
步骤四、通过GAN诊断模型诊断通信数据信息中数据信息；并将诊断后的数据信息输出；
其中GAN诊断模型工作的方法为：
对通信过程中的数据信息进行优化，采取的目标函数为：
Figure 857690DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 781784DEST_PATH_IMAGE002
表示GAN网络中的判别模型，
Figure 134137DEST_PATH_IMAGE003
表示GAN网络中的生成模型，
Figure 169089DEST_PATH_IMAGE004
表示最佳输出模型，
Figure 408440DEST_PATH_IMAGE005
表示正在通信过程中网络参数的真实分布，
Figure 503435DEST_PATH_IMAGE006
表示正在通信过程中不同网络信息之间的差距，
Figure 578970DEST_PATH_IMAGE007
表示整个网络数据信息通信分 布，
Figure 152034DEST_PATH_IMAGE008
表示通信过程中输入噪声数据的分布情况，
Figure 777050DEST_PATH_IMAGE009
中的
Figure 26635DEST_PATH_IMAGE010
表示输入数据信息噪音种 类，
Figure 104312DEST_PATH_IMAGE011
表示通信过程中模型数据抽样过程，
Figure 215487DEST_PATH_IMAGE012
表示通信过程中实际转换后通信协 议真实数据分布的概率，通过公式（1）实现不同网络数据对抗计算，生成模型从通信过程中 真实数据中取样，判别模型根据真实数据的分布规律进行学习；
判别模型在进行故障诊断时，方法为：
首先确定不同通信网络状态对应的信息特征，再对通信故障数据信息进行识别， 不同通信故障数据信息网络状态的输入向量为
Figure 445743DEST_PATH_IMAGE013
，对应的网络状 态记作为
Figure 616961DEST_PATH_IMAGE014
；当多路复用通信过程中出现某一类型的故障时，通 信状态记作为：
Figure 181935DEST_PATH_IMAGE015
（2）
公式（2）中，
Figure 611648DEST_PATH_IMAGE016
表示在
Figure 945677DEST_PATH_IMAGE017
时刻时第
Figure 553376DEST_PATH_IMAGE018
个网络参数的值，
Figure 762903DEST_PATH_IMAGE019
表述网络节点，
Figure 871673DEST_PATH_IMAGE020
表示参数种类，
Figure 64802DEST_PATH_IMAGE021
表示故障持续时间，公式（2）表示了网络发生故障时数据信息状态 向量；在输入到故障诊断模型时，对
Figure 843402DEST_PATH_IMAGE022
进行归一化处理，处理公式为：
Figure 851809DEST_PATH_IMAGE023
（3）
公式（3）中，
Figure 357746DEST_PATH_IMAGE024
表示通信过程中网络参数中出现的最大值，通过公式 （3）确保输入网络参数值动态范围相似，在故障诊断模型中的GAN中的判别模块中引入一个 基本约束，并在超参数控制范围内对权重进行裁剪，得到的优化目标函数为：
Figure 666367DEST_PATH_IMAGE025
（4）
公式（4）中，
Figure 350290DEST_PATH_IMAGE026
表示生成模型产生的网络信息数据分布，
Figure 862305DEST_PATH_IMAGE027
表示 原始网络参数的已有数据分布，
Figure 922665DEST_PATH_IMAGE028
表示输入的数据集，
Figure 351372DEST_PATH_IMAGE029
表示故障诊断模 型的惩罚参数，
Figure 206195DEST_PATH_IMAGE030
表示一个整体，
Figure 704042DEST_PATH_IMAGE031
表示模型的惩罚项系数，通过公式（4）得到优 化后的目标函数，比较预测的网络数据通信状态与真实网络数据信息通信状态之间的差 异，差异公式记作为：
Figure 302513DEST_PATH_IMAGE032
（5）
公式（5）中，
Figure 320148DEST_PATH_IMAGE033
表示模型输出的预测值，
Figure 96605DEST_PATH_IMAGE034
表示当前网络状态的实际值， 通过公式（5）计算与预测值之间的差异，将预测值代入到损失函数输出：
Figure 832480DEST_PATH_IMAGE035
（6）
公式（6）中，
Figure 500222DEST_PATH_IMAGE036
表示故障诊断模型最终的损失值，J表示模型的叶节点，
Figure 621630DEST_PATH_IMAGE037
表 示模型叶节点的数量，
Figure 83836DEST_PATH_IMAGE038
表示正则化参数，
Figure 307007DEST_PATH_IMAGE039
、
Figure 263592DEST_PATH_IMAGE040
表示模型的结构参数，通过公式 （6）计算最终损失值。
作为本发明进一步的技术方案，信号转换模块通过抗干扰模块提高数据抗干扰能力，方法为：
在串并转换过程中增加数据加抗干扰功能，抗干扰功能函数
Figure 255819DEST_PATH_IMAGE041
记作为：
Figure 888926DEST_PATH_IMAGE042
（7）
在公式（7）中，
Figure 333814DEST_PATH_IMAGE043
表示矩形函数，
Figure 592626DEST_PATH_IMAGE044
表示实际运行时间，
Figure 173780DEST_PATH_IMAGE045
表示初始时间，
Figure 977788DEST_PATH_IMAGE046
表示OFDM符号周期，
Figure 660704DEST_PATH_IMAGE047
表示子载波上的载波频率，
Figure 208360DEST_PATH_IMAGE047
中的
Figure 909600DEST_PATH_IMAGE048
表示载波上的载波频率个 数，
Figure 133777DEST_PATH_IMAGE049
表示调制子载波数量；通过公式（7）能够实现正交频分复用信号带内载波通信干扰 受外界信息影响能力。
本发明有益的积极效果在于：
区别于常规技术，本发明通过主控模块控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；所述主控模块为通信协议映射的多模控制主控模块，包括Modbus通信协议转换模块、HTTP通信协议转换模块、XMPP通信协议转换模块、WIA-PA通信协议转换模块、PLC通信协议转换模块、RS485通信协议转换模块和通信协议指令控制输出模块；通过多路复用通信模块将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；通过自定义通信协议模块连接有超时检测模块和所述超时检测模块连接的寄存器、发送逻辑模块和接收逻辑模块，其中所述程序存储器用于存储通信控制指令，所述开关切换模块为介于2-64通道的数据信息通道，所述信道检测模块用于检测信道是否通顺，所述寄存器存放n位二进制代码数据信息，所述发送逻辑模块用于发送数据信息，所述接收逻辑模块用于接收数据信息；通过信号转换模块将不同的通信数据信息转换为载波通信；通过通信故障诊断模块诊断通信数据信息中数据信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明系统架构示意图；
图2为本发明中自定义数据通道控制实施例示意图；
图3为本发明中开关切换模块结构示意图；
图4为本发明中基于GAN的网络故障诊断过程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1（系统）
如图1和图2所示，一种多路复用通信的智能输配电设备通信控制系统，包括
主控模块，用于控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；所述主控模块为通信协议映射的多模控制主控模块，包括Modbus通信协议转换模块、HTTP通信协议转换模块、XMPP通信协议转换模块、WIA-PA通信协议转换模块、PLC通信协议转换模块、RS485通信协议转换模块和通信协议指令控制输出模块；
多路复用通信模块，用于将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；包括通信控制器和与所述通信控制器连接的定时器、开关切换模块、程序存储器、自定义通信协议模块和信道检测模块，其中自定义通信协议模块连接有超时检测模块和所述超时检测模块连接的寄存器、发送逻辑模块和接收逻辑模块，其中所述程序存储器用于存储通信控制指令，所述开关切换模块为介于2-64通道的数据信息通道，所述信道检测模块用于检测信道是否通顺，所述寄存器存放n位二进制代码数据信息，所述发送逻辑模块用于发送数据信息，所述接收逻辑模块用于接收数据信息；
信号转换模块，用于转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
通信故障诊断模块，通过GAN诊断模型用于诊断通信数据信息中数据信息；
其中所述主控模块分别与多路复用通信模块、信号转换模块和通信故障诊断模块连接。
在上述实施例中，一条高速的主干链路同时为多条低速的接入链路提供服务，也就是使得网络干线可以同时运载大量的语音和数据传输。多路复用技术是为了充分利用传输媒体，人们研究了在一条物理线路上建立多个通信信道的技术。多路复用技术的实质是，将一个区域的多个用户数据通过发送多路复用器进行汇集，然后多路复用通常分为频分多路复用、时分多路复用、波分多路复用、码分多址和空分多址。
在上述实施例中，多模控制主控模块为ARM+FPGA控制器，程序存储器存储为64K，定时器为四个十六位。
如图4所示，在具体实施例中，FPGA模块使用了XC7K325T-2FFG900C芯片，具有16个高速收发机，每个数字通道有两个高速收发器，一块FPGA控制8个数字通道的测试。
通信控制器为CC2530通信芯片，内部包含有高质量的RF收发器和51内核，内部数据存储器容量为8KB。在具体实施例中，通讯控制器中数据通道控制器结合自定义通信协议，数据发送方发出的数据包括了控制信号的数据头和协议数据包，从通信子模板中输出写数据和写地址在具体实施例中，在通信控制器控制下，程序存储器、定时器、开关切换模块、信道检测模块和自定义通信协议模块处于工作状态，超时检测模块检测通信是否超时，控制器控制，在物理层内，其包括了具有多种通信协议的收发模块，比如Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信收/发模块等，这些模块能够实现具有多类通信协议数据的接收和发送。在网络硬件驱动层中，设置上述多种通信协议的驱动程序 。在网络协议应用层中，其设置有满足多种通信的数据接口和编程接口，支撑Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信通信协议的驱动程序 。通过设置数据通道母版，设置包头缓存模块、写数据缓存模块等，通过包头缓存，进行读响应数据，在通道子模板中，在骑上设置数据信息的接收逻辑，发送逻辑通过超时检测，通过读写数据，进而实现通信数据信息的读写或者存储。其中超时检测模块负责检测数据通道的响应时间是否超时，判断通道子模块是否接收到数据通道内的读写操作信号[13]，并返回反馈信号，寄存器用来保存数据通道的校验码当处于TX_WRI=1、REQ_READ=0时，逻辑状态转换为TX_DATA，再向通道子模块发送校验码。
如图3所示，在上述实施例中，自定义通信协议模块通过自定义数据通道接口实现不同信息协议的定义。
在上述实施例中，开关切换模块包括低密度PXI多路切换模块、高密度PXI多路切换模块、大功率PXI多路切换模块和高电压PXI多路切换模块，其中低密度PXI多路切换模块在4和64通道、1和8行、1和8刀之间，高密度PXI多路切换模块在3和198通道、1和20行、1和32刀之间，高密度PXI多路切换模块包括BRIC大型PXI多路复用器，大功率PXI多路复用器 在3和48通道、1和8行、1和2刀之间，高电压PXI多路复用器在2和24通道、1和12行之间。
在上述实施例中，GAN诊断模型包括通信信息提取模块、权重更新模块、计算模块、决策树模块和诊断模块，其中所述通信信息提取模块用于提取通信数据信息，权重更新模块用于将计算过程中的权重更新，计算模块用于计算网络故障样本数据信息，决策树模块用于将输入的数据信息分类，诊断模块用于诊断通信异常数据信息。
在上述实施例中，信号转换模块通过STM32F407VET6芯片实现Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信协议的转换。
在上述实施例中，该研究进行数据传递时采用专网4G通信模块或光纤通信模块，该芯片为基于高性能ARM内核Cortex-M4，同时支持 motorola6800 、Intel 8080 type LCDdirectly 以及10/100 Ethernet MAC。在通信装置上外扩一个缓存扩展单元，对高速的电力数据进行存储，避免远程通信模块中传输的数据无法实时传输到另一端。
在上述实施例中，载波通信通过发送和接收两个部分实现数据信息的接收或者发送，包括载波发送电路、通信单元接口、载波发送电路、接收滤波模块、增益控制模块、信号调理模块、调制解调模块、阻抗模块、功率放大模块、滤波电压放大模块和RAM缓存模块。
本发明能够对多载波电力线通信进行设计，解决通信速率不匹配的问题，并保证数据传输的实时性。
在具体实施例中，模块发送载波信号时经过了信号的调制、滤波放大和阻抗匹配处理。通信装置在接收电力线上的载波信号时，由模块中的耦合器接收，再发送到模块中的滤波器后经过增益控制电路再进入载波解调单元，在这一过程中滤除掉信号中的高频噪声，并将信号调节到合适的电压范围，最终恢复到原始的发送数据，传输到主控单元中进行处理。其中调制解调模块使用了双核架构的载波通信芯片SM2400，具有N-PLC优化的DSP和数据32位控制器。
在另一种实施例中，还可以使用STM32F407VET6芯片，在载波通信中经过了信号的调制、滤波放大和阻抗匹配处理完成载波信号的接收和发送，并在接收和发送单元加入了抗干扰设计。提出基于符号同步信息的干扰抑制方案，主要硬件架构为基于STM32F407VET6芯片电路的芯片。
在具体实施例中，经过调制后的载波信号经过载波芯片的DAC管脚输出，输出的电压中含有1.65V的直流偏置，在功率放大模块之间加入了两级低通滤波电路，低通截止频率为500KHz，防止信号输出时加入了其他噪声信号，其中的放大电路对发送的基础信号放大两倍，保持带外衰减不小于20dB。并设计有恒压放大部分，放大倍数设定为1.45倍，防止线路的噪声或者脉冲等信号对芯片造成干扰，在发送前加入了二极管用来使电路更加稳定。接收单元接收到载波信号后经过无源滤波电路，带内衰减小于0.2dB，增益放大部分使最小的外部BOM达到最佳信号功率。
实施例2（方法）
一种多路复用通信的智能输配电设备通信控制方法，包括以下步骤：
步骤一、通过主控模块控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；
步骤二、通过多路复用通信模块将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；
步骤三、通过信号转换模块转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
步骤四、通过GAN诊断模型诊断通信数据信息中数据信息；并将诊断后的数据信息输出。
其中GAN诊断模型工作的方法为：
当前多路复用通信过程中的应用场景较为复杂，通信网络项异构化和密集化方向发展，对网络故障检测和诊断提出更高的要求。该研究将生成对抗网络（GAN,GenerativeAdversarial Networks）的思想引入到网络故障检测与诊断领域中，基于GAN构建故障诊断模型，基于少量带有标签的数据集获取大量数据集用于故障诊断模型的训练，利用生成器和判别器分别对网络参数样本进行生成和分类。
GAN诊断模型接收一个服从某分布的随机变量信息的生成模型和区别通信数据样本和真实通信样本之间差距的判别模型；
对通信过程中的数据信息进行优化，采取的目标函数为：
Figure 553257DEST_PATH_IMAGE050
（1）
公式（1）中，
Figure 639024DEST_PATH_IMAGE051
表示GAN网络中的判别模型，
Figure 211082DEST_PATH_IMAGE052
表示GAN网络中的生成模型，
Figure 356893DEST_PATH_IMAGE053
表示最佳输出模型，
Figure 263669DEST_PATH_IMAGE054
表示正在通信过程中网络参数的真实 分布，
Figure 402395DEST_PATH_IMAGE055
表示正在通信过程中不同网络信息之间的差距，
Figure 78227DEST_PATH_IMAGE056
表示整个网络数据信息通 信分布，
Figure 394939DEST_PATH_IMAGE057
表示通信过程中输入噪声数据的分布情况，
Figure 789011DEST_PATH_IMAGE058
中的
Figure 967314DEST_PATH_IMAGE059
表示输入数据信息噪 音种类，
Figure 497652DEST_PATH_IMAGE060
表示通信过程中模型数据抽样过程，
Figure 985265DEST_PATH_IMAGE061
表示通信过程中实际转换后通 信协议真实数据分布的概率，通过公式（1）实现不同网络数据对抗计算，生成模型从通信过 程中真实数据中取样，判别模型根据真实数据的分布规律进行学习。
判别模型在进行故障诊断时，方法为：
首先确定不同通信网络状态对应的信息特征，再对通信故障数据信息进行识别， 不同通信故障数据信息网络状态的输入向量为
Figure 850322DEST_PATH_IMAGE062
，对应的网络状 态记作为
Figure 347162DEST_PATH_IMAGE063
；当多路复用通信过程中出现某一类型的故障时，通信 状态记作为：
Figure 732007DEST_PATH_IMAGE064
（2）
公式（2）中，
Figure 406834DEST_PATH_IMAGE065
表示在
Figure 244340DEST_PATH_IMAGE066
时刻时第
Figure 279292DEST_PATH_IMAGE067
个网络参数的值，
Figure 33490DEST_PATH_IMAGE068
表述网络节点，
Figure 128485DEST_PATH_IMAGE069
表示参数种类，
Figure 453287DEST_PATH_IMAGE070
表示故障持续时间，公式（2）表示了网络发生故障时数据信息状态向量； 在输入到故障诊断模型时，对
Figure 54381DEST_PATH_IMAGE071
进行归一化处理，处理公式为：
Figure 413818DEST_PATH_IMAGE072
（3）
公式（3）中，
Figure 679715DEST_PATH_IMAGE073
表示通信过程中网络参数中出现的最大值，通过公式 （3）确保输入网络参数值动态范围相似，在故障诊断模型中的GAN中的判别模块中引入一个 基本约束，并在超参数控制范围内对权重进行裁剪，得到的优化目标函数为：
Figure 757392DEST_PATH_IMAGE074
（4）
公式（4）中，
Figure 383414DEST_PATH_IMAGE075
表示生成模型产生的网络信息数据分布，
Figure 597358DEST_PATH_IMAGE076
表示原 始网络参数的已有数据分布，
Figure 768576DEST_PATH_IMAGE077
表示输入的数据集，
Figure 84282DEST_PATH_IMAGE078
表示故障诊断模型 的惩罚参数，
Figure 999149DEST_PATH_IMAGE079
表示一个整体，
Figure 67599DEST_PATH_IMAGE080
表示模型的惩罚项系数，通过公式（4）得到优化 后的目标函数，比较预测的网络数据通信状态与真实网络数据信息通信状态之间的差异， 差异公式记作为：
Figure 658986DEST_PATH_IMAGE081
（5）
公式（5）中，
Figure 711256DEST_PATH_IMAGE082
表示模型输出的预测值，
Figure 429813DEST_PATH_IMAGE083
表示当前网络状态的实际值，通 过公式（5）计算与预测值之间的差异，将预测值代入到损失函数输出：
Figure 369081DEST_PATH_IMAGE084
（6）
公式（6）中，
Figure 882102DEST_PATH_IMAGE085
表示故障诊断模型最终的损失值，J表示模型的叶节点，
Figure 421668DEST_PATH_IMAGE086
表示模型叶节点的数量，
Figure 927604DEST_PATH_IMAGE087
表示正则化参数，
Figure 236226DEST_PATH_IMAGE088
、
Figure 920148DEST_PATH_IMAGE089
表示模型的结构参数，通过公式 （6）计算最终损失值。
综上所述，经过预处理的网络参数，输入到GAN中进行数据拟合，得到网络状态的性能指标，再对模型复杂度进行权衡，进一步提高故障诊断模型的效率。
在具体实施例中，可以引入条件变分自编码器(Conditional VariationalAutoencoder, CVAE)与辅助分类生成式对抗网络(Auxiliary Classifier GenerativeAdversarial Networks, ACGAN)的CVAGAN样本生成模型来扩充故障样本，以实现准确故障诊断的新方法。在具体实施例中，首先故障样本和故障标签通过CVAE网络编码解码的方式提取到隐含特征，然后将其作为ACGAN判别器的真实样本输入，再由ACGAN网络的动态对抗学习方式生成故障样本，最后将扩增后的样本和原始样本一起输入CNN故障诊断模型进行训练和验证。实验对比分析结果表明，基于CVAGAN样本生成模型相比于传统四类模型能够在原始数据集中生成有效的故障样本，具有良好的收敛性和泛化性。残差收缩网络是深度残差网络的一种改进，其实是深度残差网络、注意力机制和软阈值函数的集成。通过注意力机制注意到不重要的特征，通过软阈值函数将它们置为零；或者说，通过注意力机制注意到重要的特征，将它们保留下来，从而加强深度神经网络从含噪声信号中提取有用特征的能力。
首先，在对样本进行分类的时候，样本中不可避免地会有一些噪声，就像高斯噪声、粉色噪声、拉普拉斯噪声等。更广义地讲，样本中很可能包含着与当前分类任务无关的信息，这些信息也可以理解为噪声。这些噪声可能会对分类效果产生不利的影响。
在具体实施例中，注意力机制在计算机视觉领域是比较容易理解的，在具体实施例中，可以加入注意力机制的深度学习方法。进而将这组权重与各个通道的特征分别相乘，以调整各个通道特征的大小。这个过程，就可以认为是在施加不同大小的注意力在各个特征通道上。通过这种方式，能够提高通信效率。
在具体实施例中，信号转换模块通过抗干扰模块提高数据抗干扰能力，方法为：
在串并转换过程中增加数据加抗干扰功能，抗干扰功能函数
Figure 697743DEST_PATH_IMAGE041
记作为：
Figure 758102DEST_PATH_IMAGE090
（7）
在公式（7）中，
Figure 655651DEST_PATH_IMAGE091
表示矩形函数，
Figure 25322DEST_PATH_IMAGE092
表示实际运行时间，
Figure 8321DEST_PATH_IMAGE045
表示初始时间，
Figure 872372DEST_PATH_IMAGE093
表示OFDM符号周期，
Figure 640739DEST_PATH_IMAGE047
表示子载波上的载波频率，
Figure 666464DEST_PATH_IMAGE047
中的
Figure 402339DEST_PATH_IMAGE094
表示载波上的载波频率 个数，
Figure 70080DEST_PATH_IMAGE095
表示调制子载波数量；通过公式（7）能够实现正交频分复用信号带内载波通信干 扰受外界信息影响能力。
在其他实施例中，使用自适应分解的MP算法实现有用信号和干扰信号的稀疏表示，通过使用较少的字典原子，与其相对应的稀疏系数进行线性组合，信号的稀疏表示模型可表示为：
Figure 191489DEST_PATH_IMAGE096
（8）
在公式（8）中
Figure 653694DEST_PATH_IMAGE097
表示待处理信号，
Figure 876865DEST_PATH_IMAGE098
表示稀疏系数，
Figure 567872DEST_PATH_IMAGE099
表示过完备字典，
Figure 294519DEST_PATH_IMAGE100
表示非零元素个数，在具体实施例中，相同的字母不做二次解释。公式（8）能够表示 正交频分复用通信载频干扰信息号的待处理信号。
其中有用信号和干扰信号的学习字典可表示为：
Figure 193205DEST_PATH_IMAGE101
（9）
在公式（9）中
Figure 887361DEST_PATH_IMAGE102
表示有用信号的学习字典，
Figure 631326DEST_PATH_IMAGE103
表示通信干扰信号的学习字典，
Figure 478059DEST_PATH_IMAGE104
、
Figure 32799DEST_PATH_IMAGE105
表示各学习字典的原子个数。公式（9）表示不同类型信息之间的关系，能够将有用 信号和干扰信号等多种数据信息集中起来训练、学习和诊断。在对有用信号和干扰信号的 分解和重构时，将通过电力载波网络传输的所有有用数据的样本按照OFDM的符号个数进行 划分。
在载波通信过程中，一个OFDM符号呈现出多个周期的形式，为了提高干扰信号的分解精度更容易区分开通信中的干扰信号和有用的数据信号，按照符合同步信息进行周期分段，将一个OFDM符号内的干扰样本划分为：
Figure 230563DEST_PATH_IMAGE106
（10）
在公式（10）中
Figure 778219DEST_PATH_IMAGE107
表示单载波分量的周期数，使用OMP算法对输入的
Figure 745037DEST_PATH_IMAGE108
进行分解，其中公式（4）能够实现不同信息的划分，提高了数据分类能力。
将得到的稀疏系数
Figure 234794DEST_PATH_IMAGE109
的矩阵进行级联，将包含所有样本信号的完整稀疏系数矩 阵可表示为：
Figure 388694DEST_PATH_IMAGE110
（11）
在公式（11）中
Figure 740041DEST_PATH_IMAGE111
表示OPDM符号个数，
Figure 46520DEST_PATH_IMAGE112
表示样本个数。通过公式（5）能够实现不 同参数的表示。
通过将各信号的学习字典中原子和分解得到的系数进行组合，可对分段的原始信号间重构，重构后的干扰信号可表示为：
Figure 457910DEST_PATH_IMAGE113
（12）
在公式（12）中
Figure 364686DEST_PATH_IMAGE114
表示干扰信号的学习字典，
Figure 988565DEST_PATH_IMAGE115
表示分解系数。在载波电力通信 的接收端利用对消法对OFDM信号中的干扰分量进行抑制。则公式输出能够实现台区线损数 据信息抗干扰度计算。
在其他实施例中，OFDM(Orthogonal Frequency Division Multiplexing)即正交频分复用技术，实际上OFDM是MCM(Multi Carrier Modulation)，多载波调制的一种。通过频分复用实现高速串行数据的并行传输, 它具有较好的抗多径衰落的能力，能够支持多用户接入。
在其他实施例中，在通信系统中，信道所能提供的带宽通常比传送一路信号所需的带宽要宽得多。如果一个信道只传送一路信号是非常浪费的，为了能够充分利用信道的带宽，就可以采用频分复用的方法。OFDM的具体工作过程中，将信道分成若干正交子信道，将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输。正交信号可以通过在接收端采用相关技术来分开，这样可以减少子信道之间的相互干扰(ISI) 。每个子信道上的信号带宽小于信道的相关带宽，因此每个子信道上可以看成平坦性衰落，从而可以消除码间串扰，而且由于每个子信道的带宽仅仅是原信道带宽的一小部分，信道均衡变得相对容易。
OFDM技术是HPA联盟(HomePlug Powerline Alliance)工业规范的基础，它采用一种不连续的多音调技术，将被称为载波的不同频率中的大量信号合并成单一的信号，从而完成信号传送。由于这种技术具有在杂波干扰下传送信号的能力，因此常常会被利用在容易受外界干扰或者抵抗外界干扰能力较差的传输介质中。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (10)

1.一种多路复用通信的智能输配电设备通信控制系统，其特征在于：包括：
主控模块，用于控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；所述主控模块为通信协议映射的多模控制主控模块，包括Modbus通信协议转换模块、HTTP通信协议转换模块、XMPP通信协议转换模块、WIA-PA通信协议转换模块、PLC通信协议转换模块、RS485通信协议转换模块和通信协议指令控制输出模块；
多路复用通信模块，用于将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；包括通信控制器和与所述通信控制器连接的定时器、开关切换模块、程序存储器、自定义通信协议模块和信道检测模块，其中自定义通信协议模块连接有超时检测模块和所述超时检测模块连接的寄存器、发送逻辑模块和接收逻辑模块，其中所述程序存储器用于存储通信控制指令，所述开关切换模块为介于2-64通道的数据信息通道，所述信道检测模块用于检测信道是否通顺，所述寄存器存放n位二进制代码数据信息，所述发送逻辑模块用于发送数据信息，所述接收逻辑模块用于接收数据信息；
信号转换模块，用于转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
通信故障诊断模块，通过GAN诊断模型用于诊断通信数据信息中数据信息；
其中所述主控模块分别与多路复用通信模块、信号转换模块和通信故障诊断模块连接。
2.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
多模控制主控模块为ARM+FPGA控制器，程序存储器存储为64K，定时器为四个十六位。
3.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
通信控制器为CC2530通信芯片，内部包含有高质量的RF收发器和51内核，内部数据存储器容量为8KB。
4.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
自定义通信协议模块通过自定义数据通道接口实现不同信息协议的定义。
5.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
开关切换模块包括低密度PXI多路切换模块、高密度PXI多路切换模块、大功率PXI多路切换模块和高电压PXI多路切换模块，其中低密度PXI多路切换模块在4和64通道、1和8行、1和8刀之间，高密度PXI多路切换模块在3和198通道、1和20行、1和32刀之间，高密度PXI多路切换模块包括BRIC大型PXI多路复用器，大功率PXI多路复用器 在3和48通道、1和8行、1和2刀之间，高电压PXI多路复用器在2和24通道、1和12行之间。
6.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
GAN诊断模型包括通信信息提取模块、权重更新模块、计算模块、决策树模块和诊断模块，其中所述通信信息提取模块用于提取通信数据信息，权重更新模块用于将计算过程中的权重更新，计算模块用于计算网络故障样本数据信息，决策树模块用于将输入的数据信息分类，诊断模块用于诊断通信异常数据信息。
7.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
信号转换模块通过STM32F407VET6芯片实现Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信协议的转换。
8.根据权利要求1所述的一种多路复用通信的智能输配电设备通信控制系统，其特征在于：
载波通信通过发送和接收两个部分实现数据信息的接收或者发送，包括载波发送电路、通信单元接口、载波发送电路、接收滤波模块、增益控制模块、信号调理模块、调制解调模块、阻抗模块、功率放大模块、滤波电压放大模块和RAM缓存模块。
9.一种多路复用通信的智能输配电设备通信控制方法，其特征在于：包括以下步骤：
步骤一、通过主控模块控制智能输配电设备通信，实现多路复用通信、信息转换和通信故障诊断，提高智能输配电设备通信控制；
步骤二、通过多路复用通信模块将Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信汇集高速载波数据信道；
步骤三、通过信号转换模块转换Modbus通信、HTTP通信、XMPP通信、WIA-PA通信、PLC通信或者RS485通信，将不同的通信数据信息转换为载波通信；
步骤四、通过GAN诊断模型诊断通信数据信息中数据信息；并将诊断后的数据信息输出；
其中GAN诊断模型工作的方法为：
对通信过程中的数据信息进行优化，采取的目标函数为：
Figure 279659DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 727958DEST_PATH_IMAGE002
表示GAN网络中的判别模型，
Figure 789586DEST_PATH_IMAGE003
表示GAN网络中的生成模型，
Figure 450375DEST_PATH_IMAGE004
表示最佳输出模型，
Figure 795906DEST_PATH_IMAGE005
表示正在通信过程中网络参数的真实分布，
Figure 149526DEST_PATH_IMAGE006
表示正在通信过程中不同网络信息之间的差距，
Figure 495188DEST_PATH_IMAGE007
表示整个网络数据信息通信分 布，
Figure 225247DEST_PATH_IMAGE008
表示通信过程中输入噪声数据的分布情况，
Figure 425284DEST_PATH_IMAGE009
中的
Figure 700539DEST_PATH_IMAGE010
表示输入数据信息噪音种 类，
Figure 986027DEST_PATH_IMAGE011
表示通信过程中模型数据抽样过程，
Figure 988618DEST_PATH_IMAGE012
表示通信过程中实际转换后通信协议真 实数据分布的概率，通过公式（1）实现不同网络数据对抗计算，生成模型从通信过程中真实 数据中取样，判别模型根据真实数据的分布规律进行学习。
10.根据权利要求9所述的一种多路复用通信的智能输配电设备通信控制方法，其特征在于：
信号转换模块通过抗干扰模块提高数据抗干扰能力，方法为：
在串并转换过程中增加数据加抗干扰功能，抗干扰功能函数
Figure 43161DEST_PATH_IMAGE013
记作为：
Figure 754897DEST_PATH_IMAGE014
（7）
在公式（7）中，
Figure 527680DEST_PATH_IMAGE015
表示矩形函数，
Figure 130700DEST_PATH_IMAGE016
表示实际运行时间，
Figure 56062DEST_PATH_IMAGE017
表示初始时间，
Figure 656808DEST_PATH_IMAGE018
表示 OFDM符号周期，
Figure 916888DEST_PATH_IMAGE019
表示子载波上的载波频率，
Figure 526860DEST_PATH_IMAGE019
中的
Figure 318448DEST_PATH_IMAGE020
表示载波上的载波频率个数，
Figure 621253DEST_PATH_IMAGE021
表示调制子载波数量；通过公式（7）能够实现正交频分复用信号带内载波通信干扰受外 界信息影响能力。
CN202210783440.3A 2022-07-05 2022-07-05 一种多路复用通信的智能输配电设备通信控制系统及方法 Pending CN114885040A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210783440.3A CN114885040A (zh) 2022-07-05 2022-07-05 一种多路复用通信的智能输配电设备通信控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210783440.3A CN114885040A (zh) 2022-07-05 2022-07-05 一种多路复用通信的智能输配电设备通信控制系统及方法

Publications (1)

Publication Number Publication Date
CN114885040A true CN114885040A (zh) 2022-08-09

Family

ID=82682739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210783440.3A Pending CN114885040A (zh) 2022-07-05 2022-07-05 一种多路复用通信的智能输配电设备通信控制系统及方法

Country Status (1)

Country Link
CN (1) CN114885040A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0927973A (ja) * 1995-05-10 1997-01-28 Hitachi Denshi Ltd テレビジョンカメラ装置の故障診断方法
CN101825900A (zh) * 2009-03-06 2010-09-08 株式会社日立制作所 多路模拟输入输出电路的故障诊断装置及故障诊断方法
CN104106190A (zh) * 2011-10-31 2014-10-15 博世汽车服务解决方案有限公司 具有主动过压保护的车辆通信部件和方法
WO2016139767A1 (ja) * 2015-03-04 2016-09-09 三菱電機株式会社 信号伝送装置及び信号伝送方法
CN106597306A (zh) * 2016-12-13 2017-04-26 四川德源电气有限公司 一种用于检测蓄电池故障的传感器
CN107193271A (zh) * 2017-06-13 2017-09-22 青岛科技大学 用于工业信息物理系统的前置服务适配和故障诊断装置
CN113722069A (zh) * 2021-09-06 2021-11-30 北京左江科技股份有限公司 一种基于fpga的新型总线轮询调度方法及系统
CN113765050A (zh) * 2021-09-08 2021-12-07 三江学院 智能微电网在线检测及故障分析系统
CN216791251U (zh) * 2021-07-05 2022-06-21 江苏江凌测控科技股份有限公司 矿用机电设备在线状态监测与故障诊断系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0927973A (ja) * 1995-05-10 1997-01-28 Hitachi Denshi Ltd テレビジョンカメラ装置の故障診断方法
CN101825900A (zh) * 2009-03-06 2010-09-08 株式会社日立制作所 多路模拟输入输出电路的故障诊断装置及故障诊断方法
CN104106190A (zh) * 2011-10-31 2014-10-15 博世汽车服务解决方案有限公司 具有主动过压保护的车辆通信部件和方法
WO2016139767A1 (ja) * 2015-03-04 2016-09-09 三菱電機株式会社 信号伝送装置及び信号伝送方法
CN106597306A (zh) * 2016-12-13 2017-04-26 四川德源电气有限公司 一种用于检测蓄电池故障的传感器
CN107193271A (zh) * 2017-06-13 2017-09-22 青岛科技大学 用于工业信息物理系统的前置服务适配和故障诊断装置
CN216791251U (zh) * 2021-07-05 2022-06-21 江苏江凌测控科技股份有限公司 矿用机电设备在线状态监测与故障诊断系统
CN113722069A (zh) * 2021-09-06 2021-11-30 北京左江科技股份有限公司 一种基于fpga的新型总线轮询调度方法及系统
CN113765050A (zh) * 2021-09-08 2021-12-07 三江学院 智能微电网在线检测及故障分析系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任倩楠: "稀疏表示理论下OFDM信号干扰抑制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
朱晓荣: "基于GAN的异构无线网络故障检测与诊断算法", 《通信学报》 *
李燕萍等: "非平行文本下基于变分自编码器和辅助分类器生成对抗网络的语音转换", 《复旦学报(自然科学版)》 *
黄华等: "某测试设备故障监测系统的设计", 《电子产品世界》 *

Similar Documents

Publication Publication Date Title
CN112600772B (zh) 一种基于数据驱动神经网络的ofdm信道估计与信号检测方法
CN110598677B (zh) 一种用于自动调制识别的时空多通道深度学习系统
CN109005136B (zh) 一种基于多概率阵列波束映射的多载波光信号发射方法
CN110535803B (zh) 一种无源光网络上行传输接收端解调方法
CN111614587B (zh) 一种基于自适应集成深度学习模型的sc-fde系统信号检测方法
CN108494710A (zh) 基于bp神经网络的可见光通信mimo抗扰降噪方法
Chi et al. Challenges and prospects of machine learning in visible light communication
CN109921822A (zh) 基于深度学习的非线性数字自干扰消除的方法
AU2018451799A1 (en) 5G multi-carrier underwater acoustic communication method
CN109818889A (zh) 用于高阶pam光传输系统中的svm分类器优化的均衡算法
CN111711470B (zh) 一种宽带电力线载波通信实现方法及装置
CN113794515B (zh) 一种基于lstm的可见光通信系统非线性抑制方法
CN115102616A (zh) 基于塑料光纤延长通信链路的水下无线绿光通信传输系统
CN112511472B (zh) 一种基于神经网络的时频二阶均衡方法及通信系统
CN110958204A (zh) 非对称复数深度神经网络的非正交多载波水下通信系统
CN114885040A (zh) 一种多路复用通信的智能输配电设备通信控制系统及方法
CN106487738A (zh) 一种基于正交导频序列的水声ofdm通信系统选择性映射峰均比抑制算法
CN107911321A (zh) 一种分块超奈奎斯特传输方法和系统
Xia et al. Deep Learning Based Signal Detection for Hybrid Modulated Faster-than-Nyquist Optical Wireless Communications
CN113542179A (zh) 一种基于时域预处理的混合光ofdm方法
Prasad et al. Hanowa Matrix based SLM Technique for PAPR Reduction in OFDM Systems
CN114866391B (zh) Siso-ofdm系统及其基于端到端神经网络的信号传输方法
CN114070687B (zh) 一种基于载波体制键控的混合载波调制解调方法
CN110213188A (zh) 基于循环位移选择性映射的峰均功率比抑制方法
CN106817334A (zh) 一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220809