CN117871999A - 硅橡胶电缆的老化检测方法、装置、电子设备及介质 - Google Patents

硅橡胶电缆的老化检测方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN117871999A
CN117871999A CN202311833399.7A CN202311833399A CN117871999A CN 117871999 A CN117871999 A CN 117871999A CN 202311833399 A CN202311833399 A CN 202311833399A CN 117871999 A CN117871999 A CN 117871999A
Authority
CN
China
Prior art keywords
silicone rubber
cable
time
rubber cable
target
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.)
Granted
Application number
CN202311833399.7A
Other languages
English (en)
Other versions
CN117871999B (zh
Inventor
肖少伟
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.)
Shenzhen Zheng'an Organic Silicon Materials Co ltd
Original Assignee
Shenzhen Zheng'an Organic Silicon Materials 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 Shenzhen Zheng'an Organic Silicon Materials Co ltd filed Critical Shenzhen Zheng'an Organic Silicon Materials Co ltd
Priority to CN202311833399.7A priority Critical patent/CN117871999B/zh
Publication of CN117871999A publication Critical patent/CN117871999A/zh
Application granted granted Critical
Publication of CN117871999B publication Critical patent/CN117871999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/003—Environmental or reliability tests
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Environmental & Geological Engineering (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请的实施例提供了一种硅橡胶电缆的老化检测方法、装置、电子设备及计算机可读介质。本申请的老化检测方法包括：获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取硅橡胶电缆的参考时间序列数据，参考时间序列数据为硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；对目标时间序列数据进行时频分析处理，生成目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理，生成参考时间序列数据对应的第二时频谱数据。本申请实施例的技术方案不需要拆开硅橡胶电缆内部，就能实现准确地对硅橡胶电缆进行老化检测。

Description

硅橡胶电缆的老化检测方法、装置、电子设备及介质
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种硅橡胶电缆的老化检测方法、装置、电子设备及计算机可读介质。
背景技术
硅橡胶电缆是一种由硅橡胶绝缘材料对电缆中的导体进行包裹的电缆。这种电缆通常在高温环境下具有良好的耐热性能，并且具有较好的柔软性和耐老化性能，常被用于电气设备和电力传输系统中。
随着硅橡胶电缆使用时间的增加，其内部结构逐步变化进而导致硅橡胶电缆逐步老化，而老化后的硅橡胶电缆的性能将大大降低，这样会造成硅橡胶电缆性能下降甚至带来严重的安全隐患。目前，对硅橡胶电缆的老化检测主要是通过人工拆开硅橡胶电缆内部进行分析，该方式影响硅橡胶电缆的正常使用。因此现有技术中亟待提供一种不需要拆开硅橡胶电缆就能对硅橡胶电缆进行老化检测的方法。
发明内容
本申请的实施例提供了一种硅橡胶电缆的老化检测方法、装置、电子设备及计算机可读介质，可以实现不需要拆开硅橡胶电缆就能实现准确地对硅橡胶电缆进行老化检测。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了一种硅橡胶电缆的老化检测方法，包括：获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取所述硅橡胶电缆的参考时间序列数据，所述参考时间序列数据为所述硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据；对所述目标时间序列数据进行特征提取，生成所述目标时间序列数据对应的第一特征，以及对所述第一时频谱数据进行特征提取，生成所述第一时频谱数据对应的第二特征；对所述参考时间序列数据进行特征提取，生成所述参考时间序列数据对应的第三特征，以及对所述第二时频谱数据进行特征提取，生成所述第二时频谱数据对应的第四特征；将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
根据本申请实施例的一个方面，提供了一种硅橡胶电缆的老化检测装置，包括：获取单元，用于获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取所述硅橡胶电缆的参考时间序列数据，所述参考时间序列数据为所述硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；生成单元，用于对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据；第一提取单元，用于对所述目标时间序列数据进行特征提取，生成所述目标时间序列数据对应的第一特征，以及对所述第一时频谱数据进行特征提取，生成所述第一时频谱数据对应的第二特征；第二提取单元，用于对所述参考时间序列数据进行特征提取，生成所述参考时间序列数据对应的第三特征，以及对所述第二时频谱数据进行特征提取，生成所述第二时频谱数据对应的第四特征；检测单元，用于将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的硅橡胶电缆的老化检测方法。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的硅橡胶电缆的老化检测方法。
在本申请的一些实施例所提供的技术方案中，通过获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取硅橡胶电缆的参考时间序列数据，并对目标时间序列数据进行时频分析处理，生成目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理，生成参考时间序列数据对应的第二时频谱数据；对目标时间序列数据进行特征提取，生成目标时间序列数据对应的第一特征，以及对第一时频谱数据进行特征提取，生成第一时频谱数据对应的第二特征；对参考时间序列数据进行特征提取，生成参考时间序列数据对应的第三特征，以及对第二时频谱数据进行特征提取，生成第二时频谱数据对应的第四特征；最后将目标时间序列数据对应的第一特征、第一时频谱数据对应的第二特征、参考时间序列数据对应的第三特征以及第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取预训练的电缆老化检测模型输出的电缆老化等级标签，作为硅橡胶电缆的老化检测结果，通过进行雷达探测扫描可以实现不需要拆开硅橡胶电缆进行分析，就能准确地对硅橡胶电缆进行老化检测，且分别将雷达探测扫描得到硅橡胶电缆的目标时间序列数据以及参考时间序列数据处理成时域维度以及时频域维度来对硅橡胶电缆内部结构进行分析，可以显著提高对硅橡胶电缆进行老化检测的准确度。
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，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了根据本申请的一个实施例中的硅橡胶电缆的老化检测方法的流程图。
图2示出了根据本申请的一个实施例中的硅橡胶电缆的老化检测装置的框图。
图3示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
参考图1，图1示出了根据本申请的一个实施例的硅橡胶电缆的老化检测方法的流程图，该硅橡胶电缆的老化检测方法可以由执行对硅橡胶电缆进行老化检测的电子设备所对应的终端设备来执行，该硅橡胶电缆的老化检测方法至少包括步骤S110至步骤S150，详细介绍如下。
在步骤S110中，获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取硅橡胶电缆的参考时间序列数据，参考时间序列数据为硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的。
在一个实施例中，硅橡胶电缆是一种由硅橡胶绝缘材料对电缆中的导体进行包裹的电缆。这种电缆通常在高温环境下具有良好的耐热性能，并且具有较好的柔软性和耐老化性能，常被用于电气设备和电力传输系统中。雷达探测扫描是雷达设备通过发射电磁波来目标物体进行穿透扫描处理，进而得到物体内部结构的一种手段。
在本实施例中，处于使用状态下的硅橡胶电缆是指硅橡胶电缆在其对应的使用场景喜爱正常使用的状态，例如工业园区正常通电使用的硅橡胶电缆。预定时间段是预设的一个固定时间段，如10分钟等。通过在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，并对雷达探测扫描信号反射或散射回来的信号按照时间顺序进行排序的扫描数据，进而得到目标时间序列数据。
在本实施例中，硅橡胶电缆的参考时间序列数据为硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的。可以理解的是，参考时间序列数据与生成目标时间序列数据的方式类似，在此不再赘述。
终端设备可以从雷达设备获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，并从外部的数据管理服务器获取硅橡胶电缆的参考时间序列数据。
在本申请的一个实施例中，获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据的步骤可以包括：确定硅橡胶电缆的直径大小以及电缆结构信息；基于直径大小和电缆结构信息，确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率；在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据。
在本实施例中，由于雷达探测扫描信号在对硅橡胶电缆进行雷达探测扫描处理时，雷达探测扫描信号的穿透距离跟雷达探测扫描信号对应的电磁波的频率有关。此外，雷达探测扫描信号在对硅橡胶电缆进行雷达探测扫描处理，随着穿透距离的增加以及硅橡胶电缆中各个结构层的影响，雷达探测扫描信号也会进行衰减损失，因此需要根据硅橡胶电缆的直径大小以及结构层来选择合适频率的雷达探测扫描信号，以提高雷达探测扫描的效果，进而便于精准地检测硅橡胶电缆的老化情况。
在本实施例中，需要先确定硅橡胶电缆的直径大小以及电缆结构信息。具体而言，可以根据硅橡胶电缆的型号信息从存储该硅橡胶电缆的参数信息库中获取硅橡胶电缆的直径大小以及电缆结构信息。电缆结构信息是一种反映硅橡胶电缆的各种维度信息的数据集合。具体的，包括外观、形状、结构层、以及各个结构层在硅橡胶电缆中的分布状况信息。结构层可以包括导体层、绝缘体层、护套层，屏蔽层、包布层等一种或多种。该结构层还可以包括其他类型的结构层，结构层的类型依据硅橡胶电缆的用途、使用场景以及型号而定，并不限定于此。各个结构层在硅橡胶电缆中的分布状况信息至少包括各个结构层在硅橡胶电缆的分布位置信息以及结构层的厚度等尺寸大小信息。
在本实施例中，在获取硅橡胶电缆的直径大小以及电缆结构信息后，可以基于硅橡胶电缆的直径大小和硅橡胶电缆的电缆结构信息，确定对改硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率，进而在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据。
在本实施例的方案中，由于目标频率是考虑了硅橡胶电缆中各个结构层的影响以及硅橡胶电缆的直径大小后所确定的频率，它考虑如何在雷达探测扫描信号衰减损失情况下保证雷达探测扫描信号依然能有效穿透硅橡胶电缆，并在满足上述条件的情况能选择合适频率的雷达探测扫描信号，避免选择过高或者过低频率的雷达探测扫描信号，有效提高了对硅橡胶电缆进行雷达探测扫描的效果，进而提高了对硅橡胶电缆的老化检测的准确度。
在一个实施例中，基于直径大小和电缆结构信息，确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率，包括：基于电缆结构信息，确定硅橡胶电缆所包含的各个结构层以及各个结构层在硅橡胶电缆中的分布状况信息；计算不同频率下的雷达探测扫描信号分别在各个结构层中进行雷达探测扫描时的信号损失率以及不同频率下的雷达探测扫描信号在各个结构层的最大穿透距离；基于各个结构层在硅橡胶电缆中的分布状况信息以及不同频率下的雷达探测扫描信号分别在各个结构层中进行雷达探测扫描时的信号损失率，确定不同频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率；基于直径大小、不同频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率以及不同频率下的雷达探测扫描信号的最大穿透距离，确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率。
在本实施例中，由于硅橡胶电缆通常包含多个结构层，例如绝缘层、导体层、护套层等。不同结构层的厚度以及分布情况对于雷达探测扫描信号的穿透影响至关重要。不同频率的信号会有不同的穿透能力，低频信号穿透能力强但分辨率低，高频信号分辨率高但穿透能力差。因此需要获取不同频率下雷达探测扫描信号在各个结构层中的信号损失率和最大穿透距离。
在本实施例中，信号损失率作为反映不同频率下雷达探测扫描信号在各个结构层中的信号衰减损失的一个度量值。最大穿透距离作为不同频率下雷达探测扫描信号在理想条件下所预设的最大穿透距离，该理想条件具体而言为不存在物体干扰、天线增益最大、目标截面积最大等理想情况，本实施例中，对于固定的雷达探测扫描设备，可以预设各个不同频率下雷达探测扫描信号的最大穿透距离。
在本实施例中，针对每个频率下雷达探测扫描信号，在确定该频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率时，可以先根据各个结构层的厚度等尺寸大小信息，依次计算该频率下雷达探测扫描信号在各个结构层中进行雷达探测扫描时的信号损失率，进而根据该频率下的雷达探测扫描信号在各个结构层中进行雷达探测扫描时的信号损失率以及各个结构层在硅橡胶电缆中的分布状况信息，确定该频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率；进而得到不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率。
在本实施例中，可以进一步基于直径大小、不同频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率以及不同频率下的雷达探测扫描信号的最大穿透距离，确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率。
具体而言，可以基于以下公式来先计算不同频率下的雷达探测扫描信号适用于对硅橡胶电缆进行雷达探测扫描的适合度：
其中，F为不同频率下的雷达探测扫描信号适用于对硅橡胶电缆进行雷达探测扫描的适合度，H为硅橡胶电缆的直径大小，h为不同频率下的雷达探测扫描信号的最大穿透距离，L为不同频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率，α为预设的大于零的常数，e为ln对数函数的底数。
可以理解的是，适合度越大，说明该适合度对应的频率下的雷达探测扫描信号越适合作为对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率，因此根据该适合度可以确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率。
在本实施例的技术方案中，通过确定不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率，并基于直径大小、不同频率下的雷达探测扫描信号在硅橡胶电缆进行雷达探测扫描时的综合信号损失率以及不同频率下的雷达探测扫描信号的最大穿透距离，确定对硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率，实现在雷达探测扫描信号衰减损失情况下确保雷达探测扫描信号依然能有效穿透硅橡胶电缆，并在满足上述条件的情况能选择合适频率的雷达探测扫描信号，避免选择过高或者过低频率的雷达探测扫描信号，充分提高了对硅橡胶电缆进行雷达探测扫描的效果，提高了对硅橡胶电缆的老化检测的准确度。
在本申请的一个实施例中，在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据可以包括：确定对硅橡胶电缆进行雷达探测扫描的多个扫描方位；针对多个扫描方位中的各扫描方位，在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到各扫描方位对应的方位时间序列数据；对各扫描方位对应的方位时间序列数据进行加权融合，得到目标时间序列数据。
在本实施例中，对于某些硅橡胶电缆的内部结构较为复杂或者在各个扫描方位呈现不规则性时，可以先确定多个扫描方位。具体的，可以从不同的方向或位置对硅橡胶电缆进行多次雷达扫描，如可能需要考虑从硅橡胶电缆的正面方向、下方方向、上方方向、背后方向或其他角度等扫描方位来进行多次雷达扫描，以确保获得硅橡胶电缆较为全面的内部结构信息。
在本实施例中，在预定的时间段内，使用目标频率的雷达探测扫描信号对硅橡胶电缆进行雷达探测扫描处理，每个扫描方位都会得到对应的方位时间序列数据，即根据不同方向或位置所获得相关的方位时间序列数据。
在本实施例中，对各个扫描方位得到的方位时间序列数据进行加权融合处理，得到目标时间序列数据。可以理解的是，各个不同扫描方位的扫描结果可以设置不同的权重，当然也可以设置相同的权要，在此不做具体限定。考虑各个扫描方位的方位时间序列数据，以获取最终的目标时间序列数据，进而可以实现获取更全面且更准确的关于硅橡胶电缆的雷达扫描结果。
本实施例中，通过从多个扫描方位来对硅橡胶电缆进行雷达探测扫描处理，相较于仅从一个扫描方位来对硅橡胶电缆进行雷达探测扫描，可以从多个角度来对硅橡胶电缆进行雷达探测扫描，有助于获取更全面的目标时间序列数据；使得在面对某些硅橡胶电缆的内部结构较为复杂或者在各个扫描方位呈现不规则性时，可以使对硅橡胶电缆进行雷达探测扫描得到的目标时间序列数据可以准确地反映出硅橡胶电缆的内部结构，以进一步提高对硅橡胶电缆进行老化检测的准确度。
在一个实施例中，获取硅橡胶电缆的参考时间序列数据具体可以包括：获取硅橡胶电缆的标识信息；基于标识信息中的第一类字符对标识信息进行拆分处理，得到多个目标字符集合；基于多个目标字符集合中排序在第一位的第一字符集合进行哈希计算，得到第一字符集合对应的第一哈希值；将第一哈希值添加至多个目标字符集合中排在第二位的第二字符集合并进行哈希计算，得到第二字符集合对应的第二哈希值；将第一哈希值以及第二哈希值添加至多个目标字符集合中排在第三位的第三字符集合并进行哈希计算，得到第三字符集合对应的第三哈希值，直至多个目标字符集合均进行哈希值计算；将得到的各个哈希值分别添加至对应的目标字符集合中，生成包含哈希值的标识信息，并基于包含哈希值的标识信息进行哈希计算，得到硅橡胶电缆的标识信息对应的解密密码；从数据管理服务器接收硅橡胶电缆的测试加密数据，其中，数据管理服务器基于解密密码对硅橡胶电缆的参考时间序列数据进行加密生成测试加密数据；基于解密密码对测试加密数据进行解密，得到硅橡胶电缆的参考时间序列数据。
在本申请的实施例中，终端设备可以获取硅橡胶电缆的标识信息，其中，硅橡胶电缆的标识信息可以包括生产厂家信息、产品型号、电气参数、质量认证、生产日期、安全警示等多种类型。标识信息中的第一类字符可以是特定的分隔字符，例如特定数字或特定英文字母，在此不作具体限定。
在获取硅橡胶电缆的标识信息，则基于标识信息中的第一类字符对标识信息进行拆分处理，得到多个目标字符集合；基于多个目标字符集合中排序在第一位的第一字符集合进行哈希计算，得到第一字符集合对应的第一哈希值；将第一哈希值添加至多个目标字符集合中排在第二位的第二字符集合并进行哈希计算，得到第二字符集合对应的第二哈希值；将第一哈希值以及第二哈希值添加至多个目标字符集合中排在第三位的第三字符集合并进行哈希计算，得到第三字符集合对应的第三哈希值，直至多个目标字符集合均进行哈希值计算；将得到的各个哈希值分别添加至对应的目标字符集合中，生成包含哈希值的标识信息；并基于包含哈希值的标识信息进行哈希计算，得到硅橡胶电缆的标识信息对应的解密密码。
在本实施例中，数据管理服务器是用于存储各种型号的硅橡胶电缆对应的参考时间序列数据的服务器。具体的，数据管理服务器也可以通过硅橡胶电缆的标识信息来生成加密密码，基于加密密码对硅橡胶电缆的参考时间序列数据进行加密生成测试加密数据，并将测试加密数据与硅橡胶电缆的标识信息进行关联存储。可以理解的是，数据管理服务器生成的加密密码与终端设备生成的解密密码相同。
在本实施例中，终端设备从数据管理服务器接收硅橡胶电缆的测试加密数据，并基于确定的解密密码对测试加密数据进行解密，得到硅橡胶电缆的参考时间序列数据。
在本实施例的技术方案中，通过哈希计算和加密，有助于确保硅橡胶电缆的参考时间序列数据的安全传输和存储，以防止不法分子通过恶意拦截的方式直接获取该信息，而且有效防止未经授权的情况下对参考时间序列数据进行访问和篡改，可以有效提高数据的安全性。
在步骤S120中，对目标时间序列数据进行时频分析处理，生成目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理，生成参考时间序列数据对应的第二时频谱数据。
在本身请的一个实施例中，对于目标时间序列数据以及参考时间序列数据，为了从时频域联合变化的关系的角度来进行分析，可以直接采用短时傅里叶变换对目标时间序列数据进行时频分析处理得到目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理得到参考时间序列数据对应的第二时频谱数据。
在本申请的其它实施例中，对目标时间序列数据进行时频分析处理，生成目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理，生成参考时间序列数据对应的第二时频谱数据具体可以包括；基于不同的缩放因子和时移因子对预设小波基进行变换处理，生成在不同的缩放因子和时移因子下的目标小波基；计算目标时间序列数据与目标小波基之间的相似度，得到目标小波基对应的第一小波系数，以及计算参考时间序列数据与目标小波基之间的相似度，得到目标小波基对应的第二小波系数；基于目标小波基对应的缩放因子、时移因子以及第一小波系数，生成目标时间序列数据对应的第一时频谱数据，以及基于目标小波基对应的缩放因子、时移因子以及第二小波系数，生成参考时间序列数据对应的第二时频谱数据数据所具有的频率会随着时间变化的特性。
在该实施例中，预设小波基作为对目标时间序列数据以及参考时间序列数据进行小波变换处理的小波函数，可以是morl小波基或mexh小波基等，也可以为其它的小波基，在此不作限定。在对目标时间序列数据以及参考时间序列数据进行小波变换处理的过程，是将所有时间内的目标时间序列数据以及参考时间序列数据与经过缩放变换以及位移变换后的预设小波基进行比较确定二者之间相似度的过程。因此，需要先对预设小波基进行缩放变换以及位移变换处理，得到变换后的小波基。具体的，可以依据不同的缩放因子对预设小波基进行缩放，以及基于不同的时移因子对预设小波基进行位移，生成在不同的缩放因子和时移因子下的目标小波基。
在得到不同的缩放因子和时移因子下的目标小波基后，通过预设的相似度算法分别计算目标小波基与目标时间序列数据之间的相似度，得到不同的缩放因子和时移因子下的目标小波基对应的第一小波系数；通过预设的相似度算法分别计算目标小波基与参考时间序列数据之间的相似度，得到不同的缩放因子和时移因子下的目标小波基对应的第二小波系数，小波系数表针的是目标小波基与时间序列数据之间的相似度大小，小波系数越大，则目标小波基与时间序列数据之间的相似度越高，小波系数越小，目标小波基与时间序列数据之间的相似度越低。
在得到第一小波系数和第二小波系数后，则可以基于目标小波基对应的缩放因子、时移因子以及第一小波系数，生成目标时间序列数据对应的第一时频谱数据，并基于基于目标小波基对应的缩放因子、时移因子以及第二小波系数，生成参考时间序列数据对应的第二时频谱数据。
在步骤S130中，对目标时间序列数据进行特征提取，生成目标时间序列数据对应的第一特征，以及对第一时频谱数据进行特征提取，生成第一时频谱数据对应的第二特征。
在本申请的一个实施例中，第一特征作为对目标时间序列数据进行特征提取所得到的特征信息，它可以反映目标时间序列数据所具有的特性信息，它具体可以是一个特征向量。
在一个实施例中，在生成第一特征时，可以先对目标时间序列数据进行卷积处理，提取得到目标时间序列数据在更深层次的隐藏特征，从而生成第一特征向量。对目标时间序列数据进行卷积处理，生成第一特征向量的过程可以采用已训练过的机器学习模型中的网络结构来实现，它具体可以是卷积网络。卷积网络可以包括多个卷积层和多个池化层组成，例如，该卷积网络可以是两个卷积层和一个最大池化层所组成的网络结构，其可以按照卷积层、卷积层和最大池化层的顺序依次进行连接所组成，卷积网络的结构不作具体限定。
对于提取得到的第一特征向量，为了进一步提取目标时间序列数据中的时序特征，可以对第一特征向量进行时序特征提取，生成包含时序特征的第二特征向量。对第一特征向量进行时序特征提取，生成目标时间序列数据对应的第一特征的过程也可以采用预训练的机器学习模型中的网络结构来实现，该网络结构具体可以是包含可以提取时序特征信息的一种网络结构，它可以提取特征数据中隐含的时序特征信息，以实现从目标时间序列数据中提取到更多的特征信息
可选地，本实施例中的已训练过的机器学习模型具体可以为用于处理时间序列数据的模型，如可以是循环神经网络(RNN，Recurrent Neural Network)模型，也可以是长短期记忆网络(LSTM，Long Short-Term Memory)模型，还可以是基于循环神经网络模型或长短期记忆网络模型所衍生的其它模型，在此不作限定。
在本申请的一个实施例中，第二特征作为对目标时间序列数据对应的第一时频谱数据进行特征提取所得到的特征信息，它可以反映目标时间序列数据对应的时频谱数据所具有的特性信息，它具体可以是一个特征向量。
在本实施例中，对第一时频谱数据进行特征提取生成第一时频谱数据对应的第二特征时，可以先对第一时频谱数据进行卷积处理，提取得到第一时频谱数据在更深层次的隐藏特征，进而生成第一时频谱数据对应的第二特征。对目标时间序列数据对应的第一时频谱数据进行卷积处理，生成第二特征的过程可以采用已训练过的机器学习模型中的网络结构来实现，它具体可以是卷积网络。
可选地，本实施例中的已训练过的机器学习模型具体可以是卷积神经网络(CNN，Convolutional Neural Networks)模型，也可以是深度神经网络模型，在此不作限定。卷积网络可以包括多个卷积层和多个池化层组成，例如，该卷积网络可以是两个卷积层和一个最大池化层所组成的网络结构，其可以按照卷积层、卷积层和最大池化层的顺序依次进行连接所组成，卷积网络的结构不作具体限定。
在步骤S140中，对参考时间序列数据进行特征提取，生成参考时间序列数据对应的第三特征，以及对第二时频谱数据进行特征提取，生成第二时频谱数据对应的第四特征。
在本申请的实施例中，对参考时间序列数据进行特征提取，生成参考时间序列数据对应的第三特征的过程与对目标时间序列数据进行特征提取，生成目标时间序列数据对应的第一特征的过程类似，所用到的技术手段也类似，具体可以参照前述描述，在此不再赘述。
可以理解的是，对第二时频谱数据进行特征提取，生成第二时频谱数据对应的第四特征的过程与对第一时频谱数据进行特征提取，生成第一时频谱数据对应的第二特征的过程类似，所用到的技术手段也类似，具体可以参照前述描述，在此不再赘述。
在步骤S150中，将目标时间序列数据对应的第一特征、第一时频谱数据对应的第二特征、参考时间序列数据对应的第三特征以及第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取预训练的电缆老化检测模型输出的电缆老化等级标签，作为硅橡胶电缆的老化检测结果。
在本申请的一个实施例中，预训练的电缆老化检测模型是通过包含有样本目标时间序列数据对应的第一特征、样本第一时频谱数据对应的第二特征、样本参考时间序列数据对应的第三特征、样本第二时频谱数据对应的第四特征以及样本硅橡胶电缆的电缆老化等级标签的训练样本数据来对机器学习模型进行训练得到的。电缆老化检测模型用于对输入的目标时间序列数据对应的第一特征、第一时频谱数据对应的第二特征、参考时间序列数据对应的第三特征以及第二时频谱数据对应的第四特征进行处理，确定得到电缆老化等级标签。
在本申请的一个实施例中，进行训练的机器学习模型具体可以为用于处理时间序列数据的模型，如可以是循环神经网络(RNN，Recurrent Neural Network)模型，也可以是长短期记忆网络(LSTM，Long Short-Term Memory)模型，还可以是基于循环神经网络模型或长短期记忆网络模型所衍生的其它模型，在此不作限定。
在本申请的一个实施例中，将目标时间序列数据对应的第一特征、第一时频谱数据对应的第二特征、参考时间序列数据对应的第三特征以及第二时频谱数据对应的第四特征输入至电缆老化检测模型，获取电缆老化检测模型输出的电缆老化等级标签，作为硅橡胶电缆的老化检测结果包括：将目标时间序列数据对应的第一特征以及参考时间序列数据对应的第三特征输入至电缆老化检测模型中的第一子网络结构，以及将第一时频谱数据对应的第二特征以及第二时频谱数据对应的第四特征输入至电缆老化检测模型中的第二子网络结构；获取第一子网络结构输出的第一电缆老化评估分数以及第二子网络结构输出的第二电缆老化评估分数；基于第一电缆老化评估分数和第二电缆老化评估分数，确定硅橡胶电缆的电缆老化等级标签；获取电缆老化检测模型输出的电缆老化等级标签，作为硅橡胶电缆的老化检测结果。
在本实施例中，预训练的电缆老化检测模型可以包括第一子网络结构和第二子网络结构。第一子网络结构是预训练的电缆老化检测模型中用于根据第一特征以及第三特征评估电缆老化评估分数的网络结构；第二子网络结构是预训练的电缆老化检测模型中用于根据第二特征和第四特征评估电缆老化评估分数的网络结构。通过第一子网络结构和第二子网络结构，可以使得预训练的电缆老化检测模型根据硅橡胶电缆的时域特征以及时频域特征这两个因素来评估电缆老化程度。
第一子网络结构对第一特征和第三特征进行处理，得到根据硅橡胶电缆的时域特征预测的第一电缆老化评估分数，第一电缆老化评估分数为根据硅橡胶电缆的时域特征所评估的可以表针第一电缆老化评估分数的一种度量值，第一电缆老化评估分数越高，对应的电缆老化程度越高；第二子网络结构对第二特征和第四特征进行处理，得到根据硅橡胶电缆的时域特征预测的第二电缆老化评估分数，第二电缆老化评估分数为根据硅橡胶电缆的时频域特征所评估的可以表针电缆老化程度的一种度量值，第二电缆老化评估分数越高，对应的电缆老化程度越高。
在本申请的一个实施例中，在得到第一电缆老化评估分数和第二电缆老化评估分数后，可以根据预训练的电缆老化检测模型中的网络系数，确定电缆老化等级标签，作为硅橡胶电缆的老化检测结果。具体的，预训练的评估模型还可以包括逻辑回归子网络结构，逻辑回归子网络结构可以根据预第一电缆老化评估分数和第二电缆老化评估分数进行分析处理，得到针对硅橡胶电缆的老化检测结果进行评估的输出结果。电缆老化检测模型的输出结果即为用户的电缆老化等级标签，该电缆老化等级标签即为预测电缆老化程度的一种度量值，根据电缆老化等级标签既可以确定硅橡胶电缆的老化检测结果，进而实现对硅橡胶电缆进行老化检测。
以上可以看出，通过获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取硅橡胶电缆的参考时间序列数据，并对目标时间序列数据进行时频分析处理，生成目标时间序列数据对应的第一时频谱数据，以及对参考时间序列数据进行时频分析处理，生成参考时间序列数据对应的第二时频谱数据；对目标时间序列数据进行特征提取，生成目标时间序列数据对应的第一特征，以及对第一时频谱数据进行特征提取，生成第一时频谱数据对应的第二特征；对参考时间序列数据进行特征提取，生成参考时间序列数据对应的第三特征，以及对第二时频谱数据进行特征提取，生成第二时频谱数据对应的第四特征；最后将目标时间序列数据对应的第一特征、第一时频谱数据对应的第二特征、参考时间序列数据对应的第三特征以及第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取预训练的电缆老化检测模型输出的电缆老化等级标签，作为硅橡胶电缆的老化检测结果，通过进行雷达探测扫描可以实现不需要拆开硅橡胶电缆进行分析，就能准确地对硅橡胶电缆进行老化检测，且分别将雷达探测扫描得到硅橡胶电缆的目标时间序列数据以及参考时间序列数据处理成时域维度以及时频域维度来对硅橡胶电缆内部结构进行分析，可以显著提高对硅橡胶电缆进行老化检测的准确度。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的硅橡胶电缆的老化检测方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的硅橡胶电缆的老化检测方法的实施例。
图2示出了根据本申请的一个实施例的硅橡胶电缆的老化检测装置的框图。
参照图2所示，根据本申请的一个实施例的硅橡胶电缆的老化检测装置200，包括：获取单元210、生成单元220、第一提取单元230、第二提取单元240以及检测单元250。获取单元210用于获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取所述硅橡胶电缆的参考时间序列数据，所述参考时间序列数据为所述硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；生成单元220用于对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据；第一提取单元230用于对所述目标时间序列数据进行特征提取，生成所述目标时间序列数据对应的第一特征，以及对所述第一时频谱数据进行特征提取，生成所述第一时频谱数据对应的第二特征；第二提取单元240用于对所述参考时间序列数据进行特征提取，生成所述参考时间序列数据对应的第三特征，以及对所述第二时频谱数据进行特征提取，生成所述第二时频谱数据对应的第四特征；检测单元250用于将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
在本申请的一些实施例中，基于前述方案，所述获取单元210被配置为：确定所述硅橡胶电缆的直径大小以及电缆结构信息；基于所述直径大小和所述电缆结构信息，确定对所述硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率；在预定时间段内，基于所述目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据。
在本申请的一些实施例中，基于前述方案，所述获取单元210被配置为：基于所述电缆结构信息，确定所述硅橡胶电缆所包含的各个结构层以及各个所述结构层在所述硅橡胶电缆中的分布状况信息；计算不同频率下的雷达探测扫描信号分别在各个所述结构层中进行雷达探测扫描时的信号损失率；基于各个所述结构层在所述硅橡胶电缆中的分布状况信息以及不同频率下的雷达探测扫描信号分别在各个所述结构层中进行雷达探测扫描时的信号损失率，确定不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率；基于所述直径大小、不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率以及不同频率下的雷达探测扫描信号的最大穿透距离，确定对所述硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率。
在本申请的一些实施例中，基于前述方案，所述获取单元210被配置为：确定对所述硅橡胶电缆进行雷达探测扫描的多个扫描方位；针对多个扫描方位中的各扫描方位，在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到所述各扫描方位对应的方位时间序列数据；对所述各扫描方位对应的方位时间序列数据进行加权融合，得到目标时间序列数据。
在本申请的一些实施例中，所述获取单元210被配置为：获取所述硅橡胶电缆的标识信息；基于所述标识信息中的第一类字符对所述标识信息进行拆分处理，得到多个目标字符集合；基于多个所述目标字符集合中排序在第一位的第一字符集合进行哈希计算，得到所述第一字符集合对应的第一哈希值；将所述第一哈希值添加至多个所述目标字符集合中排在第二位的第二字符集合并进行哈希计算，得到所述第二字符集合对应的第二哈希值；将所述第一哈希值以及所述第二哈希值添加至多个所述目标字符集合中排在第三位的第三字符集合并进行哈希计算，得到所述第三字符集合对应的第三哈希值，直至多个所述目标字符集合均进行哈希值计算；将得到的各个哈希值分别添加至对应的所述目标字符集合中，生成包含哈希值的标识信息，并基于包含哈希值的标识信息进行哈希计算，得到所述硅橡胶电缆的标识信息对应的解密密码；从所述数据管理服务器接收所述硅橡胶电缆的测试加密数据，其中，所述数据管理服务器基于所述解密密码对所述硅橡胶电缆的参考时间序列数据进行加密生成所述测试加密数据；基于所述解密密码对所述测试加密数据进行解密，得到所述硅橡胶电缆的参考时间序列数据。
在本申请的一些实施例中，基于前述方案，所述生成单元220被配置为：基于不同的缩放因子和时移因子对预设小波基进行变换处理，生成在不同的缩放因子和时移因子下的目标小波基；计算所述目标时间序列数据与所述目标小波基之间的相似度，得到所述目标小波基对应的第一小波系数，以及计算所述参考时间序列数据与所述目标小波基之间的相似度，得到所述目标小波基对应的第二小波系数；基于所述目标小波基对应的缩放因子、时移因子以及所述第一小波系数，生成所述目标时间序列数据对应的第一时频谱数据，以及基于所述目标小波基对应的缩放因子、时移因子以及所述第二小波系数，生成所述参考时间序列数据对应的第二时频谱数据。
在本申请的一些实施例中，基于前述方案，所述检测单元250被配置为：将所述目标时间序列数据对应的第一特征以及所述参考时间序列数据对应的第三特征输入至所述预训练的电缆老化检测模型中的第一子网络结构，以及将所述第一时频谱数据对应的第二特征以及所述第二时频谱数据对应的第四特征输入至所述预训练的电缆老化检测模型中的第二子网络结构；获取所述第一子网络结构输出的第一电缆老化评估分数以及所述第二子网络结构输出的第二电缆老化评估分数；基于所述第一电缆老化评估分数和所述第二电缆老化评估分数，确定所述硅橡胶电缆的电缆老化等级标签；获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
图3示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图3示出的电子设备的计算机系统300仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示，计算机系统300包括中央处理单元(Central Processing Unit，CPU)301，其可以根据存储在只读存储器(Read-Only Memory，ROM)302中的程序或者从储存部分308加载到随机访问存储器(Random Access Memory，RAM)303中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 303中，还存储有系统操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(Input/Output，I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分307；包括硬盘等的储存部分308；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入储存部分308。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机可读介质，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种硅橡胶电缆的老化检测方法，其特征在于，包括：
获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取所述硅橡胶电缆的参考时间序列数据，所述参考时间序列数据为所述硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；
对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据；
对所述目标时间序列数据进行特征提取，生成所述目标时间序列数据对应的第一特征，以及对所述第一时频谱数据进行特征提取，生成所述第一时频谱数据对应的第二特征；
对所述参考时间序列数据进行特征提取，生成所述参考时间序列数据对应的第三特征，以及对所述第二时频谱数据进行特征提取，生成所述第二时频谱数据对应的第四特征；
将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
2.根据权利要求1所述的硅橡胶电缆的老化检测方法，其特征在于，获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，包括：
确定所述硅橡胶电缆的直径大小以及电缆结构信息；
基于所述直径大小和所述电缆结构信息，确定对所述硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率；
在预定时间段内，基于所述目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据。
3.根据权利要求2所述的硅橡胶电缆的老化检测方法，其特征在于，基于所述直径大小和所述电缆结构信息，确定对所述硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率，包括：
基于所述电缆结构信息，确定所述硅橡胶电缆所包含的各个结构层以及各个所述结构层在所述硅橡胶电缆中的分布状况信息；
计算不同频率下的雷达探测扫描信号分别在各个所述结构层中进行雷达探测扫描时的信号损失率；
基于各个所述结构层在所述硅橡胶电缆中的分布状况信息以及不同频率下的雷达探测扫描信号分别在各个所述结构层中进行雷达探测扫描时的信号损失率，确定不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率；
基于所述直径大小、不同频率下的雷达探测扫描信号在所述硅橡胶电缆进行雷达探测扫描时的综合信号损失率以及不同频率下的雷达探测扫描信号的最大穿透距离，确定对所述硅橡胶电缆进行雷达探测扫描的雷达探测扫描信号对应的目标频率。
4.根据权利要求2所述的硅橡胶电缆的老化检测方法，其特征在于，在预定时间段内，基于所述目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到目标时间序列数据，包括：
确定对所述硅橡胶电缆进行雷达探测扫描的多个扫描方位；
针对多个扫描方位中的各扫描方位，在预定时间段内，基于目标频率的雷达探测扫描信号对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理，得到所述各扫描方位对应的方位时间序列数据；
对所述各扫描方位对应的方位时间序列数据进行加权融合，得到目标时间序列数据。
5.根据权利要求1所述的硅橡胶电缆的老化检测方法，其特征在于，获取所述硅橡胶电缆的参考时间序列数据，包括：
获取所述硅橡胶电缆的标识信息；
基于所述标识信息中的第一类字符对所述标识信息进行拆分处理，得到多个目标字符集合；
基于多个所述目标字符集合中排序在第一位的第一字符集合进行哈希计算，得到所述第一字符集合对应的第一哈希值；
将所述第一哈希值添加至多个所述目标字符集合中排在第二位的第二字符集合并进行哈希计算，得到所述第二字符集合对应的第二哈希值；
将所述第一哈希值以及所述第二哈希值添加至多个所述目标字符集合中排在第三位的第三字符集合并进行哈希计算，得到所述第三字符集合对应的第三哈希值，直至多个所述目标字符集合均进行哈希值计算；
将得到的各个哈希值分别添加至对应的所述目标字符集合中，生成包含哈希值的标识信息，并基于包含哈希值的标识信息进行哈希计算，得到所述硅橡胶电缆的标识信息对应的解密密码；
从所述数据管理服务器接收所述硅橡胶电缆的测试加密数据，其中，所述数据管理服务器基于所述解密密码对所述硅橡胶电缆的参考时间序列数据进行加密生成所述测试加密数据；
基于所述解密密码对所述测试加密数据进行解密，得到所述硅橡胶电缆的参考时间序列数据。
6.根据权利要求1所述的硅橡胶电缆的老化检测方法，其特征在于，对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据，包括：
基于不同的缩放因子和时移因子对预设小波基进行变换处理，生成在不同的缩放因子和时移因子下的目标小波基；
计算所述目标时间序列数据与所述目标小波基之间的相似度，得到所述目标小波基对应的第一小波系数，以及计算所述参考时间序列数据与所述目标小波基之间的相似度，得到所述目标小波基对应的第二小波系数；
基于所述目标小波基对应的缩放因子、时移因子以及所述第一小波系数，生成所述目标时间序列数据对应的第一时频谱数据，以及基于所述目标小波基对应的缩放因子、时移因子以及所述第二小波系数，生成所述参考时间序列数据对应的第二时频谱数据。
7.根据权利要求1所述的硅橡胶电缆的老化检测方法，其特征在于，将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果，包括：
将所述目标时间序列数据对应的第一特征以及所述参考时间序列数据对应的第三特征输入至所述预训练的电缆老化检测模型中的第一子网络结构，以及将所述第一时频谱数据对应的第二特征以及所述第二时频谱数据对应的第四特征输入至所述预训练的电缆老化检测模型中的第二子网络结构；
获取所述第一子网络结构输出的第一电缆老化评估分数以及所述第二子网络结构输出的第二电缆老化评估分数；
基于所述第一电缆老化评估分数和所述第二电缆老化评估分数，确定所述硅橡胶电缆的电缆老化等级标签；
获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
8.一种硅橡胶电缆的老化检测装置，其特征在于，包括：
获取单元，用于获取在预定时间段内对处于使用状态下的硅橡胶电缆进行雷达探测扫描处理得到的目标时间序列数据，以及获取所述硅橡胶电缆的参考时间序列数据，所述参考时间序列数据为所述硅橡胶电缆出厂前在预定时间段内对处于使用状态下的该硅橡胶电缆进行雷达探测扫描处理得到的；
生成单元，用于对所述目标时间序列数据进行时频分析处理，生成所述目标时间序列数据对应的第一时频谱数据，以及对所述参考时间序列数据进行时频分析处理，生成所述参考时间序列数据对应的第二时频谱数据；
第一提取单元，用于对所述目标时间序列数据进行特征提取，生成所述目标时间序列数据对应的第一特征，以及对所述第一时频谱数据进行特征提取，生成所述第一时频谱数据对应的第二特征；
第二提取单元，用于对所述参考时间序列数据进行特征提取，生成所述参考时间序列数据对应的第三特征，以及对所述第二时频谱数据进行特征提取，生成所述第二时频谱数据对应的第四特征；
检测单元，用于将所述目标时间序列数据对应的第一特征、所述第一时频谱数据对应的第二特征、所述参考时间序列数据对应的第三特征以及所述第二时频谱数据对应的第四特征输入至预训练的电缆老化检测模型，获取所述预训练的电缆老化检测模型输出的电缆老化等级标签，作为所述硅橡胶电缆的老化检测结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的硅橡胶电缆的老化检测方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的硅橡胶电缆的老化检测方法。
CN202311833399.7A 2023-12-27 2023-12-27 硅橡胶电缆的老化检测方法、装置、电子设备及介质 Active CN117871999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311833399.7A CN117871999B (zh) 2023-12-27 2023-12-27 硅橡胶电缆的老化检测方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311833399.7A CN117871999B (zh) 2023-12-27 2023-12-27 硅橡胶电缆的老化检测方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN117871999A true CN117871999A (zh) 2024-04-12
CN117871999B CN117871999B (zh) 2024-07-26

Family

ID=90593912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311833399.7A Active CN117871999B (zh) 2023-12-27 2023-12-27 硅橡胶电缆的老化检测方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN117871999B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064212A (en) * 1991-03-27 2000-05-16 Tektronix, Inc. Method for determining the transmission characteristics of an electric line
CN109188215A (zh) * 2018-08-22 2019-01-11 西南交通大学 一种乙丙橡胶电缆终端绝缘层不同劣化故障模拟方法
CN111007340A (zh) * 2019-12-16 2020-04-14 广东电网有限责任公司 一种电缆附件硅橡胶老化诊断方法、系统以及设备
CN112485616A (zh) * 2020-11-27 2021-03-12 国网北京市电力公司 电缆绝缘老化检测方法、装置、存储介质及处理器
CN113419147A (zh) * 2021-06-29 2021-09-21 广西电网有限责任公司电力科学研究院 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法
KR20220042952A (ko) * 2020-09-28 2022-04-05 한국서부발전 주식회사 시간-주파수 영역 반사파 기법을 활용한 케이블과 접속함의 고장진단, 상태감시 및 종합관리 장치 및 방법
CN115112574A (zh) * 2022-06-22 2022-09-27 国网上海市电力公司 硅橡胶微含水量的检测方法、系统、计算设备和介质
CN115495985A (zh) * 2022-09-23 2022-12-20 国网北京市电力公司 电缆寿命预测方法、装置、和非易失性存储介质
US20230113706A1 (en) * 2021-10-07 2023-04-13 Oracle International Corporation Passive spychip detection through monitoring induced magnetic field against dynamic electromagnetic interference
CN116030911A (zh) * 2022-10-26 2023-04-28 广东电网有限责任公司 基于lstm神经网络的硅橡胶材料性能预测方法及装置
US20230160939A1 (en) * 2021-03-24 2023-05-25 Cangzhou Power Supply Company, State Grid Hebei Electric Power Co., Ltd. Fault diagnosis method and apparatus for submarine cable, and device
CN116818893A (zh) * 2023-06-26 2023-09-29 中核西北建设集团有限公司 一种基于同步压缩变换的橡胶夹层结构老化状态检测方法
CN117214126A (zh) * 2023-08-22 2023-12-12 广州番禺电缆集团有限公司 Xlpe电缆老化检测的参数的确定装置、方法及设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064212A (en) * 1991-03-27 2000-05-16 Tektronix, Inc. Method for determining the transmission characteristics of an electric line
CN109188215A (zh) * 2018-08-22 2019-01-11 西南交通大学 一种乙丙橡胶电缆终端绝缘层不同劣化故障模拟方法
CN111007340A (zh) * 2019-12-16 2020-04-14 广东电网有限责任公司 一种电缆附件硅橡胶老化诊断方法、系统以及设备
KR20220042952A (ko) * 2020-09-28 2022-04-05 한국서부발전 주식회사 시간-주파수 영역 반사파 기법을 활용한 케이블과 접속함의 고장진단, 상태감시 및 종합관리 장치 및 방법
CN112485616A (zh) * 2020-11-27 2021-03-12 国网北京市电力公司 电缆绝缘老化检测方法、装置、存储介质及处理器
US20230160939A1 (en) * 2021-03-24 2023-05-25 Cangzhou Power Supply Company, State Grid Hebei Electric Power Co., Ltd. Fault diagnosis method and apparatus for submarine cable, and device
CN113419147A (zh) * 2021-06-29 2021-09-21 广西电网有限责任公司电力科学研究院 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法
US20230113706A1 (en) * 2021-10-07 2023-04-13 Oracle International Corporation Passive spychip detection through monitoring induced magnetic field against dynamic electromagnetic interference
CN115112574A (zh) * 2022-06-22 2022-09-27 国网上海市电力公司 硅橡胶微含水量的检测方法、系统、计算设备和介质
CN115495985A (zh) * 2022-09-23 2022-12-20 国网北京市电力公司 电缆寿命预测方法、装置、和非易失性存储介质
CN116030911A (zh) * 2022-10-26 2023-04-28 广东电网有限责任公司 基于lstm神经网络的硅橡胶材料性能预测方法及装置
CN116818893A (zh) * 2023-06-26 2023-09-29 中核西北建设集团有限公司 一种基于同步压缩变换的橡胶夹层结构老化状态检测方法
CN117214126A (zh) * 2023-08-22 2023-12-12 广州番禺电缆集团有限公司 Xlpe电缆老化检测的参数的确定装置、方法及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HASHEMIAN HM, ET AL: "ADVANCED CABLE-TESTING TECHNIQUES FOR NUCLEAR POWER PLANTS", 《NUCLEAR TECHNOLOGY》, vol. 176, no. 3, 31 December 2011 (2011-12-31), pages 414 - 429 *
刘贵亮;: "分布式光纤在线测温系统在电缆防火中的应用", 中外企业家, no. 16, 15 June 2013 (2013-06-15), pages 215 - 218 *
张巍: "基于频域反射法的电缆故障定位测量系统研究", 《中国优秀硕士学位论文全文数据库》, no. 10, 15 October 2022 (2022-10-15), pages 1 - 82 *
李保全;时运瑞;吕小浩;常小亮;: "探地雷达对地下管线、电缆、光缆的探测研究", 通讯世界, no. 11, 25 November 2018 (2018-11-25), pages 226 - 27 *

Also Published As

Publication number Publication date
CN117871999B (zh) 2024-07-26

Similar Documents

Publication Publication Date Title
Li et al. Partial discharge source localization in GIS based on image edge detection and support vector machine
Manfredi et al. Polynomial chaos for random field coupling to transmission lines
Wang et al. GIS partial discharge pattern recognition via lightweight convolutional neural network in the ubiquitous power internet of things context
Huang et al. Iterative least‐squares‐based wave measurement using X‐band nautical radar
Hayashi et al. Remote visualization of screen images using a pseudo-antenna that blends into the mobile environment
Bajwa et al. An investigation into partial discharge pulse extraction methods
Wakabayashi et al. A feasibility study of radio-frequency retroreflector attack
Boitan et al. Compromising electromagnetic emanations of wired USB keyboards
US20030040876A1 (en) Estimating a plurality of tones in an input signal
CN117871999B (zh) 硅橡胶电缆的老化检测方法、装置、电子设备及介质
Qin et al. Identifying underground voids using a GPR circular-end bow-tie antenna system based on a support vector machine
Conning et al. Analysis of measured radar data for specific emitter identification
Zhou et al. Feature parameters extraction of power transformer PD signal based on texture features in TF representation
Urul et al. A fast and novel method for determining working volume in the reverberation chamber: Position of Tx antenna affect
Ninković et al. AI-assisted identification of state and type of flat-panel monitors in the presence of em noise
Weber et al. Cable fault characterization by time-domain analysis from S-parameter measurement and sparse inverse Chirp-Z transform
López-Ramírez et al. Exploratory Data Analysis for Path Loss Measurements: Unveiling Patterns and Insights Before Machine Learning
Velayutham et al. Support vector machine-based denoising technique for removal of white noise in partial discharge signal
CN117289097A (zh) 电力设备局部放电检测方法、模型训练方法、装置和设备
Yong et al. Complex number‐based image quality assessment using singular value decomposition
Sun et al. Efficient and anti‐interference method of synchronising information extraction for cideo leaking signal
US11316596B2 (en) Method for detecting at least one compromised computer device in an information system
Özyapıcı et al. Generalized probability density function and applications to the experimental data in electrical circuits and systems
DU et al. Eavesdropping the display image from conducted emission on network cable of a PC
Primiani et al. Modeling of the reverberation chamber method for determining the shielding properties of a coaxial cable

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