CN116933047B - 一种铝电解电容器耐压在线测试方法和装置 - Google Patents
一种铝电解电容器耐压在线测试方法和装置 Download PDFInfo
- Publication number
- CN116933047B CN116933047B CN202311208095.1A CN202311208095A CN116933047B CN 116933047 B CN116933047 B CN 116933047B CN 202311208095 A CN202311208095 A CN 202311208095A CN 116933047 B CN116933047 B CN 116933047B
- Authority
- CN
- China
- Prior art keywords
- capacitor
- module
- voltage
- test
- tested
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 115
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 26
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 26
- 238000010998 test method Methods 0.000 title claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 46
- 238000003062 neural network model Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000007599 discharging Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 208000028659 discharge Diseases 0.000 description 6
- 238000003860 storage Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/64—Testing of capacitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
Abstract
本发明公开了一种铝电解电容器耐压在线测试方法和装置，该方法包括：获取电容器的电路信息数据，构建原始数据集；根据所述原始数据集，使用神经网络模型对待测电容器进行耐压测试。本发明通过神经网络对电容器的耐压值进行测试，得到的电容器耐压值更精确，提高了铝电解电容耐压测试结果的精确度。
Description
技术领域
本发明涉及电容器测试技术领域，尤其涉及一种铝电解电容器耐压在线测试方法和装置。
背景技术
当电容器接入电路中开始运行时，由于所处的使用环境和电路设计各不相同，将会由于高次谐波谐振、电压分配不均匀、三相电压不对称、电源输出电压高于电容器额定电压以及电回路的振荡等多种原因而引起电容器过电压，电容器的耐电压不足会造成电容器爆裂现象，因此，在电容器使用之前测试其耐压值是十分必要的。
铝电解电容器的耐压值是指其所能够承受的电压。对于电容器来说，需要根据实际的需求来选择适合的电容器。现有的铝电解电容器耐压测试方法较为简单，测试得到的铝电解电容器的耐压值不精确，使用耐压值不明确的铝电解电容器容易导致危险事故的发生。
发明内容
为了解决上述提出的至少一个技术问题，本发明的目的在于提供一种铝电解电容耐压在线测试方法和装置，以提高铝电解电容耐压值测试结果的精确度。
本发明的目的采用如下技术方案实现：
第一方面，本发明提供了一种铝电解电容器耐压在线测试方法，包括：
获取电容器的电路信息数据，构建原始数据集；
根据所述原始数据集，使用神经网络模型对待测电容器进行耐压测试。
优选地，所述原始数据集包括电容器电压、电容器电流、电容器标定电容值、电路电压、电路电流、测试温度和电容器耐压值。
优选地，所述神经网络模型包括两个分支，分别为基于融合SE注意力机制的深度卷积网络分支和CSWin Transformer网络分支。
优选地，所述基于融合SE注意力机制的深度卷积网络分支包括两层卷积层和垂直叠加的8个MBConv模块；所述MBConv模块包含以残差结构连接的卷积层、深度卷积层和SE注意力模块；所述SE注意力模块包含平均池化层和两层线性层；
所述CSWin Transformer网络分支包括conv_embed模块、CSWin Transformer模块和卷积下采样层；所述CSwin Transformer模块包含LN层、Cross-Shaped Window Self-Attention模块和MLP模块。
优选地，所述获取电容器的电路信息数据，构建原始数据集后还包括：
对所述原始数据样本集进行清洗处理和去噪处理并以比例划分训练数据集和验证数据集。
优选地，所述根据所述原始数据集，使用神经网络模型对待测电容器进行耐压测试具体包括：
对所述神经网络模型的参数进行初始化；
将所述原始数据集输入到所述神经网络模型中，确定所述神经网络模型的参数；
使用所述神经网络模型进行耐压测试。
优选地，所述神经网络模型将所述电容器电压、所述电容器电流、所述电容器标定电容值、所述电路电压、所述电路电流和所述测试温度作为输入数据，输出所述电容器耐压值。
优选地，所述根据所述原始数据集，使用神经网络模型对待测电容器进行耐压测试后还包括：
对所述待测电容器进行放电处理。
优选地，所述对所述待测电容器进行放电处理后还包括：
判断所述待测电容器的耐压值是否合格，若是，将所述待测电容器送至下一道工序，否则，将所述待测电容器从生产线上捡出。
第二方面，本发明提供了一种铝电解电容器耐压在线测试装置，包括主控模块、耐压测试模块、数据采集模块和放电模块；
所述主控模块与所述耐压测试模块、所述数据采集模块和放电模块连接，用于控制耐压测试；
所述耐压测试模块用于对待测电容器进行耐压测试；
所述数据采集模块用于采集所述待测电容器的测试数据；
所述放电模块用于对所述待测电容器进行放电。
相比现有技术，本发明的有益效果在于：
本发明通过神经网络对电容器的耐压值进行测试，得到的电容器耐压值更精确，提高了铝电解电容耐压测试结果的精确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本发明实施例提供的铝电解电容器耐压在线测试方法的流程图。
图2为本发明实施例提供的CSwin Transformer模块示意图。
图3为本发明实施例提供的MBConv模块示意图。
图4为本发明实施例提供的铝电解电容器耐压在线测试装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
另外，为了更好地说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样能够实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
铝电解电容器的耐压值是指其所能够承受的电压，对于电容器来说，需要根据实际需求来选择适合的电容器。特别是在高压的环境下，必须要选择耐高压的电容器，因此，知道电容器的耐压值并选择适配的电容器是十分必要的。而使用现有的铝电解电容器耐压测试方法得到的电容器耐压值不精确。因此，本发明通过构建神经网络模型对电容器的耐压值进行测试，得到的电容器耐压值更精确，提高了铝电解电容耐压测试结果的精确度。
实施例1
本发明提供了一种铝电解电容耐压在线测试方法，参照图1，包括：
S100：获取电容器的电路信息数据，构建原始数据集；
S200：根据原始数据集，使用神经网络模型对待测电容器进行耐压测试。
优选地，原始数据集包括电容器电压、电容器电流、电容器标定电容值、电路电压、电路电流、测试温度和电容器耐压值。
具体地，原始数据集可以是对样本电容器和其电路进行直接测量得到的信息数据，也可以是示波器读取到的样本电容器和其电路的信息图像。
优选地，神经网络模型包括两个分支，分别为基于融合SE注意力机制的深度卷积网络分支和CSWin Transformer网络分支。
优选地，基于融合SE注意力机制的深度卷积网络分支包括两层卷积层和垂直叠加的8个MBConv模块；参见图2，MBConv模块包含以残差结构连接的卷积层、深度卷积层和SE注意力模块；SE注意力模块包含平均池化层和两层线性层；
CSWin Transformer网络分支包括conv_embed模块、CSWin Transformer模块和卷积下采样层；参见图3，CSwin Transformer模块包含LN层、Cross-Shaped Window Self-Attention模块和MLP模块。
本发明在CSWin Transformer网络的基础上，引入基于融合SE注意力机制的深度卷积网络，有效解决了CSWin Transformer算法在小数据集上表现不佳的问题。
优选地，获取电容器的电路信息数据，构建原始数据集后还包括：
对原始数据样本集进行清洗处理和去噪处理并以比例划分训练数据集和验证数据集。
在本实施例中，训练数据集和验证数据集的比例为8：2。
优选地，根据原始数据集，使用神经网络模型对待测电容器进行耐压测试具体包括：
对神经网络模型的参数进行初始化；
将原始数据集输入到神经网络模型中，确定神经网络模型的参数；
使用神经网络模型进行耐压测试。
在本实施例中，使用交叉熵损失，计算真实值与预测值之间的损失，使用AdamW优化器进行神经网络模型的参数设置，参数包括：初始学习率设置为0.000005，权重衰减设置为0.05，epochs设置为150，batch size设置为24；
将训练数据集输入到神经网络模型中训练，训练完一个epoch更新网络参数；
将验证数据集输入到神经网络模型中预测，评估神经网络模型的准确率；
训练完150epochs保存pth模型文件参数，保存验证准确率最高的神经网络模型参数并用于铝电解电容器耐压测试。
优选地，神经网络模型将电容器电压、电容器电流、电容器标定电容值、电路电压、电路电流和测试温度作为输入数据，输出电容器耐压值。
优选地，根据原始数据集，使用神经网络模型对待测电容器进行耐压测试后还包括：
对待测电容器进行放电处理。
对待测电容器的耐压进行测试之后，需要对其进行放电处理，将测试过程中待测电容器积累的电荷释放出来，保证待测电容器后续使用的安全。
优选地，对待测电容器进行放电处理后还包括：
判断待测电容器的耐压值是否合格，若是，将待测电容器送至下一道工序，否则，将待测电容器从生产线上捡出。
实施例2
本发明提供了一种铝电解电容器耐压在线测试装置，参见图4，包括主控模块1、耐压测试模块2、数据采集模块3和放电模块4；
主控模块1与耐压测试模块2、数据采集模块3和放电模块4连接，用于控制耐压测试；
耐压测试模块2用于对待测电容器进行耐压测试；
数据采集模块3用于采集待测电容器的测试数据；
放电模块4用于对待测电容器进行放电。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriberline，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘（digital versatiledisc，DVD）)、或者半导体介质（例如固态硬盘（solid state disk ，SSD））等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器（read-only memory，ROM）或随机存储存储器（random access memory，RAM）、磁碟或者光盘等各种可存储程序代码的介质。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种铝电解电容器耐压在线测试方法，其特征在于，包括：
获取电容器的电路信息数据，构建原始数据集；
对所述原始数据样本集进行清洗处理和去噪处理并以比例划分训练数据集和验证数据集；
对神经网络模型的参数进行初始化；
将所述原始数据集输入到所述神经网络模型中，确定所述神经网络模型的参数；
使用所述神经网络模型进行耐压测试；
对待测电容器进行放电处理；
所述原始数据集包括电容器电压、电容器电流、电容器标定电容值、电路电压、电路电流、测试温度和电容器耐压值；
所述神经网络模型包括两个分支，分别为基于融合SE注意力机制的深度卷积网络分支和CSWinTransformer网络分支；
所述基于融合SE注意力机制的深度卷积网络分支包括两层卷积层和垂直叠加的多个MBConv模块；所述CSWinTransformer网络分支包括conv_embed模块、CSWin Transformer模块和卷积下采样层；
所述神经网络模型将所述电容器电压、所述电容器电流、所述电容器标定电容值、所述电路电压、所述电路电流和所述测试温度作为输入数据，输出所述电容器耐压值。
2.根据权利要求1所述的铝电解电容器耐压在线测试方法，其特征在于，所述MBConv模块的数量为8个；
所述MBConv模块包含以残差结构连接的卷积层、深度卷积层和SE注意力模块；所述SE注意力模块包含平均池化层和两层线性层；
所述CSwin Transformer模块包含LN层、Cross-Shaped Window Self-Attention模块和MLP模块。
3.根据权利要求1所述的铝电解电容器耐压在线测试方法，其特征在于，所述对所述待测电容器进行放电处理后还包括：
判断所述待测电容器的耐压值是否合格，若是，将所述待测电容器送至下一道工序，否则，将所述待测电容器从生产线上捡出。
4.一种铝电解电容器耐压在线测试装置，用于实现如权利要求1-3任意一项所述的方法，其特征在于，包括主控模块、耐压测试模块、数据采集模块和放电模块；
所述主控模块与所述耐压测试模块、所述数据采集模块和放电模块连接，用于控制耐压测试；
所述耐压测试模块用于对待测电容器进行耐压测试；
所述数据采集模块用于采集所述待测电容器的测试数据；
所述放电模块用于对所述待测电容器进行放电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208095.1A CN116933047B (zh) | 2023-09-19 | 2023-09-19 | 一种铝电解电容器耐压在线测试方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208095.1A CN116933047B (zh) | 2023-09-19 | 2023-09-19 | 一种铝电解电容器耐压在线测试方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116933047A CN116933047A (zh) | 2023-10-24 |
| CN116933047B true CN116933047B (zh) | 2023-12-08 |
Family
ID=88388313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311208095.1A Active CN116933047B (zh) | 2023-09-19 | 2023-09-19 | 一种铝电解电容器耐压在线测试方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933047B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018205151A (ja) * | 2017-06-06 | 2018-12-27 | 三菱電機株式会社 | 静電気耐圧試験装置および静電気耐圧試験方法 |
| CN114861941A (zh) * | 2022-05-10 | 2022-08-05 | 深延科技(北京)有限公司 | 多模型融合方法、装置、电子设备及计算机可读存储介质 |
| CN116599050A (zh) * | 2023-05-19 | 2023-08-15 | 长安大学 | 基于自注意力机制的光伏预测方法及相关装置 |
-
2023
- 2023-09-19 CN CN202311208095.1A patent/CN116933047B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018205151A (ja) * | 2017-06-06 | 2018-12-27 | 三菱電機株式会社 | 静電気耐圧試験装置および静電気耐圧試験方法 |
| CN114861941A (zh) * | 2022-05-10 | 2022-08-05 | 深延科技(北京)有限公司 | 多模型融合方法、装置、电子设备及计算机可读存储介质 |
| CN116599050A (zh) * | 2023-05-19 | 2023-08-15 | 长安大学 | 基于自注意力机制的光伏预测方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 谢林枫 ; 李同哲 ; 李昆明 ; 石星煜 ; .基于一种新技术的风电功率短期预测.计算机仿真.2020,(07),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116933047A (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Behjat et al. | Statistical approach for interpretation of power transformers frequency response analysis results | |
| Samimi et al. | Evaluation of numerical indices for the assessment of transformer frequency response | |
| Altay et al. | Wavelet base selection for de‐noising and extraction of partial discharge pulses in noisy environment | |
| CN109212392B (zh) | 直流电缆局部放电缺陷故障的识别方法、系统及Caffe卷积神经网络 | |
| Bagheri et al. | Effect of transformer winding mechanical defects, internal and external electrical faults and inrush currents on performance of differential protection | |
| Chanane et al. | Investigation of the transformer winding high‐frequency parameters identification using particle swarm optimisation method | |
| CN108132441A (zh) | 储能电池模组荷电状态的运行范围确定方法及装置 | |
| CN115032488A (zh) | 一种高压海缆绝缘老化寿命预测方法、装置及设备 | |
| CN116933047B (zh) | 一种铝电解电容器耐压在线测试方法和装置 | |
| Jahan et al. | Locating power transformer fault based on sweep frequency response measurement by a novel multistage approach | |
| CN105372545A (zh) | 一种基于编码识别的电缆防差错方法 | |
| Tian et al. | Hybrid algorithm for traction transformer differential protection based on intrinsic mode function energy entropy and correlation dimension | |
| CN109975634A (zh) | 一种基于原子稀疏分解的变压器绕组故障诊断方法 | |
| CN117148252B (zh) | 一种开关量测单元和多ct互联互通的精度自校准方法 | |
| CN106324688B (zh) | 一种储层束缚水饱和度确定方法及装置 | |
| Yin et al. | Switching converter EMI conduction modelling and verification | |
| CN107357649A (zh) | 系统资源部署策略的确定方法、装置及电子设备 | |
| CN116794407A (zh) | 电磁兼容测试方法、系统、电子设备及存储介质 | |
| CN115639418A (zh) | 隔离器耐压寿命评估方法和装置、电子设备 | |
| CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
| CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
| Xu et al. | Application of multi‐source information fusion based on D‐S evidence theory in insulation defect identification of DC XLPE cable | |
| Chen et al. | Pattern recognition with cerebellar model articulation controller and fractal features on partial discharges | |
| CN117171616A (zh) | 一种基于数据增强的电压互感器故障诊断方法、设备及存储介质 | |
| CN117310427B (zh) | 一种故障检测方法及高压电容器组单元在线监测系统 |
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 |