基于自动识别的绝缘电阻测试系统的制作方法

本发明涉及电气检测，具体涉及一种基于自动识别的绝缘电阻测试系统。

背景技术：

1、绝缘电阻是衡量电气设备绝缘性能好坏的重要指标之一，对于确保电气设备安全运行至关重要，传统的绝缘电阻测试方法往往需要人工操作，不仅效率低下，而且容易受到人为因素的影响，导致测试结果不准确。

技术实现思路

1、本发明的目的是为了解决上述问题，设计了一种基于自动识别的绝缘电阻测试系统。

2、本发明提供一种基于自动识别的绝缘电阻测试系统，所述基于自动识别的绝缘电阻测试系统包括自动识别模块、电阻测试模块、数据处理模块、状态预测模块和报告生成模块，其中，

3、自动识别模块，用于通过rfid扫描自动识别待测电气设备的测试基础信息，其中所述测试基础信息至少包括待测电气设备的型号、规格及测试要求；

4、电阻测试模块，用于根据所述测试基础信息确实所述待测电气设备的测试电压，基于所述测试电压采用绝缘电阻测试仪对所述待测电气设备进行测试；

5、数据处理模块，用于实时捕获所述绝缘电阻测试仪输出测试数据，对所述测试数据进行数据清洗及数据预处理，以从所述测试中提取能够反映绝缘电阻特性的关键特征，得到目标特征数据；

6、状态预测模块，用于将所述目标特征数据输入状态预测模型，通过所述状态预测模型识别绝缘电阻的状态，输出状态预测结果；

7、报告生成模块，用于基于所述状态预测结果确定绝缘状态是否合格，并生成测试报告，其中所述测试报告至少包括测试时间、设备信息、测试结果及建议。

8、可选的，在本发明的第一种实现方式中，所述数据处理模块包括连续获取子模块、数据清洗子模块、特征降维子模块和重要性评估子模块，其中，

9、连续获取子模块，用于使用高速数据采集接口，以固定的采样频率连续获取所述绝缘电阻测试仪输出的测试数据，其中所述采样频率为每秒100次；

10、数据清洗子模块，用于对所述测试数据进行数据清洗处理，得到清洗后的测试数据，使用中值滤波处理对清洗后的测试数据依次进行数据平滑处理和标准化处理，得到标准化的测试数据；

11、特征降维子模块，用于基于快速傅里叶变换对标准化的测试数据进行特征提取，并采用核主成分分析对提取的特征进行降维，筛选出能够有效反映绝缘电阻特性的关键特征；

12、重要性评估子模块，用于通过随机森林的特征重要性评估，确定每个特征对绝缘电阻特性的贡献程度，选取贡献度高的特征作为目标特征数据。

13、可选的，在本发明的第二种实现方式中，所述数据清洗子模块包括获取单元、第一计算单元、第二计算单元和第三计算单元，其中，

14、获取单元，用于获取测试数据，找出以距离y为半径的圆内关于所述测试数据中数据点的近邻点，得到邻域集合：

15、

16、式中，d为测试数据，ai为测试数据中数据点，d(ai,aj)为测试数据中两个数据点之间的距离，y-dis[ai]为测试数据中数据点ai的y-距离；

17、第一计算单元，用于将所述邻域集合中的数据点记为qj，计算测试数据中数据点ai与邻域集合内数据点qj之间的可达距离：

18、

19、式中，dy(qj)为测试数据中数据点ai邻域集合内点qj的第k距离；

20、第二计算单元，用于计算测试数据中数据点ai的局部第y局部可达密度：

21、

22、式中，为测试数据中数据点ai的邻域点qj的邻域集合；

23、第三计算单元，用于计算测试数据中数据点ai的局部离群因子，将离群因子大于1.0的测试数据中数据点作为检测出来的异常值，并去除异常值，得到清洗后的测试数据。

24、可选的，在本发明的第三种实现方式中，所述特征降维子模块包括频谱分析单元、频谱分析单元、第四计算单元和特征值分解单元，其中，

25、频谱分析单元，用于基于标准化的测试数据计算绝缘电阻的统计特征，并提取绝缘电阻随时间变化的斜率特征，其中所述统计特征至少包括绝缘电阻的平均值、中位数、最大值和最小值；

26、频谱分析单元，用于利用快速傅里叶变换数据进行频谱分析，并进行特征提取及处理，得到频率域的特征数据；

27、第四计算单元，用于采用高斯核函数对频率域的特征数据计算核矩阵kij＝k(xi,xj)，并根据所述核矩阵得到中心化核矩阵，其中k(xi,xj)为高斯核函数；

28、特征值分解单元，用于对中心化后的核矩阵进行特征值分解，得到特征值和对应的特征向量，按照特征值从大到小的顺序对特征值和特征向量进行排序，选取前k个较大的特征值及对应的特征向量，筛选出能够有效反映绝缘电阻特性的关键特征，其中k为降维后的维度。

29、可选的，在本发明的第四种实现方式中，所述状态预测模块包括构建子模块、卷积子模块、学习子模块、捕捉子模块和输出子模块，其中，

30、构建子模块，用于获取所述目标特征数据，将所述目标特征数据和对应的时间的数据信息构建成信息矩阵，将所述信息矩阵输入状态预测模型，其中所述状态预测模型基于lstm神经网络构建；

31、卷积子模块，用于对输入的时间序列的信息矩阵中信息使用包含非线性映射和两层卷积单元的残差块一个进行卷积处理，使用包含非线性映射和两层卷积单元的残差块一个，其中卷积核数量为14，空间丢失因子为0.05；

32、学习子模块，用于接收卷积处理后输出的数据信息，并使用单隐含层、64神经元的lstm神经网络对每个时间步上的输入进行处理，根据门控机制学习和记忆重要信息；

33、捕捉子模块，用于以4头、44键的结构并行关注不同子空间下的注意力表示，增强全局信息捕获能力，捕捉不同类型信息；

34、输出子模块，用于通过全连接层对张量进行变换，将高级特征从隐藏表示空间映射到输出空间，通过输出层输出状态预测结果。

35、可选的，在本发明的第五种实现方式中，所述捕捉子模块包括切分单元和拼接单元，其中，

36、切分单元，用于对输入的时间序列的信息矩阵中信息根据头的数量进行切分，每一部分分别乘以对应的权重矩阵得到计算矩阵；

37、拼接单元，用于每一组计算矩阵对应产生一个输出，将输出进行串联，将各头的输出进行拼接处理，得到拼接结果，将拼接结果乘以权重矩阵，捕捉不同类型信息，得到最终输出。

38、可选的，在本发明的第六种实现方式中，实现基于自动识别的绝缘电阻测试系统的方法包括以下步骤：

39、通过rfid扫描自动识别待测电气设备的测试基础信息，其中所述测试基础信息至少包括待测电气设备的型号、规格及测试要求；

40、根据所述测试基础信息确实所述待测电气设备的测试电压，基于所述测试电压采用绝缘电阻测试仪对所述待测电气设备进行测试；

41、实时捕获所述绝缘电阻测试仪输出测试数据，对所述测试数据进行数据清洗及数据预处理，以从所述测试中提取能够反映绝缘电阻特性的关键特征，得到目标特征数据；

42、将所述目标特征数据输入状态预测模型，通过所述状态预测模型识别绝缘电阻的状态，输出状态预测结果；

43、基于所述状态预测结果确定绝缘状态是否合格，并生成测试报告，其中所述测试报告至少包括测试时间、设备信息、测试结果及建议。

44、可选的，在本发明的第七种实现方式中，所述实时捕获所述绝缘电阻测试仪输出测试数据，对所述测试数据进行数据清洗及数据预处理，以从所述测试中提取能够反映绝缘电阻特性的关键特征，得到目标特征数据包括：

45、使用高速数据采集接口，以固定的采样频率连续获取所述绝缘电阻测试仪输出的测试数据，其中所述采样频率为每秒100次；

46、对所述测试数据进行数据清洗处理，得到清洗后的测试数据，使用中值滤波处理对清洗后的测试数据依次进行数据平滑处理和标准化处理，得到标准化的测试数据；

47、基于快速傅里叶变换对标准化的测试数据进行特征提取，并采用核主成分分析对提取的特征进行降维，筛选出能够有效反映绝缘电阻特性的关键特征；

48、通过随机森林的特征重要性评估，确定每个特征对绝缘电阻特性的贡献程度，选取贡献度高的特征作为目标特征数据。

49、可选的，在本发明的第八种实现方式中，将所述目标特征数据输入状态预测模型，通过所述状态预测模型识别绝缘电阻的状态，输出状态预测结果，包括：

50、获取所述目标特征数据，将所述目标特征数据和对应的时间的数据信息构建成信息矩阵，将所述信息矩阵输入状态预测模型，其中所述状态预测模型基于lstm神经网络构建；

51、对输入的时间序列的信息矩阵中信息使用包含非线性映射和两层卷积单元的残差块一个进行卷积处理，使用包含非线性映射和两层卷积单元的残差块一个，其中卷积核数量为14，空间丢失因子为0.05；

52、接收卷积处理后输出的数据信息，并使用单隐含层、64神经元的lstm神经网络对每个时间步上的输入进行处理，根据门控机制学习和记忆重要信息；

53、以4头、44键的结构并行关注不同子空间下的注意力表示，增强全局信息捕获能力，捕捉不同类型信息；

54、通过全连接层对张量进行变换，将高级特征从隐藏表示空间映射到输出空间，通过输出层输出状态预测结果。

55、本发明提供的技术方案中，该系统集成了自动识别模块、电阻测试模块、数据处理模块、状态预测模块和报告生成模块，实现了从设备接入到测试报告生成的全过程自动化，显著提高了测试效率和准确性，减少了人工干预，降低了测试成本，能够更准确地识别绝缘电阻的状态，为电气设备的安全运行提供可靠保障。