【技术实现步骤摘要】
本公开涉及人工智能技术和电弧检测，尤其涉及一种电弧检测模型的训练方法、电弧故障的检测方法及设备。
技术介绍
1、随着人工智能技术的快速发展，人工智能技术的发展为电弧故障识别提供了新的思路，基于人工智能如何在电弧燃弧初期识别故障电弧，降低故障电弧的危害，提高用电安全性，已经成为国内外相关领域研究的重点。
2、在实现本公开构思的过程中，专利技术人发现相关技术中，对神经网络模型运用在电弧检测方案中存在如下缺陷：复杂的模型需要占用大量存储空间和计算资源，难以在嵌入式平台上应用，且电弧检测对时间要求较高，复杂度过高的模型不满足电弧检测实时性的要求。
技术实现思路
1、鉴于上述问题，本公开提供了一种电弧检测模型的训练方法、电弧故障的检测方法及设备。
2、根据本公开的第一个方面，提供了一种电弧检测模型的训练方法，包括：
3、获取第一样本电流数据集，其中，第一样本电流数据集中的第一样本电流数据包括与第一样本电流数据对应的标签；
4、将第一样本电流数据集中的第一样本电流数据输入至第一电弧检测模型，输出第一样本目标电流特征数据集，第一电弧检测模型包括第一卷积层、第二卷积层以及第三卷积层；
5、利用第一样本目标电流特征数据集中的第一样本目标电流特征数据和与第一样本电流数据对应的标签，训练第一电弧检测模型，得到第二电弧检测模型；
6、将第二电弧检测模型作为第三电弧检测模型的子模型；
7、根据第三电弧检测模型的子模型构建第三
8、利用第二样本目标电流特征数据集中的第二样本目标电流特征数据和与第二样本电流数据对应的标签，训练第三电弧检测模型，得到训练后的目标电弧检测模型。
9、本公开的第二方面提供了一种电弧故障的检测方法，包括：
10、将获得到的初始电流数据集输入至目标电弧检测模型，输出预测的目标文本数据，其中，目标电弧检测模型是基于权利要求1至7中任一项的方法训练得到的。
11、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
12、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
13、根据本公开提供的一种电弧检测模型的训练方法、电弧故障的检测方法及设备，通过获取第一样本电流数据集，可以将第一样本电流数据集中的第一样本电流数据输入至第一电弧检测模型，输出第一样本目标电流特征数据集，从而可以利用第一样本目标电流特征数据集中的第一样本目标电流特征数据和与第一样本电流数据对应的标签，训练第一电弧检测模型，得到第二电弧检测模型，进而可以将第二电弧检测模型作为第三电弧检测模型的子模型，得到第三电弧检测模型，然后将第二样本电流数据集中的第二样本电流数据输入至第三电弧检测模型，输出第二样本目标电流特征数据集，进而可以利用第二样本目标电流特征数据集中的第二样本目标电流特征数据和与第二样本电流数据对应的标签，训练第三电弧检测模型，进一步得到训练后的目标电弧检测模型，由于目标电弧检测模型的第一卷积层为一维卷积层，从而满足了对一维电流数据进行处理，电弧检测模型的第二卷积层保留了深度可分离卷积功能，且适用于一维电流数据，电弧检测模型的第三卷积层的卷积核通道数需为其他两层卷积核通道数的两倍，从而消除了数据流瓶颈，在满足一维电流数据处理的基础上，提高了模型的训练速度，同时，目标电弧检测模型的参数量较现有模型的参数量大为减少，较大程度上降低了模型的复杂程度，提高了模型的计算效率。
本文档来自技高网...【技术保护点】
1.一种电弧检测模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述将所述第一样本电流数据集中的第一样本电流数据输入至第一电弧检测模型，输出第一样本目标电流特征数据集，包括：
3.根据权利要求1所述的方法，其中，所述第三电弧检测模型，包括第一预训练子模型和第二预训练子模型，所述第一预训练子模型表征为第二电弧检测模型，所述第一预训练子模型与所述第二预训练子模型关联；
4.根据权利要求1所述的方法，其中，所述第二电弧检测模型为Arc-EfficientNet模型，所述Arc-EfficientNet模型包含多个Arc-EfficientNet模块，所述第一电弧检测模型为i个；
5.根据权利要求1所述的方法，其中，所述第三电弧检测模型为KD-Arc-EfficientNet模型，所述KD-Arc-EfficientNet模型包含多个KD-Arc-EfficientNet模块，所述第三电弧检测模型为j个，所述第三电弧检测模型包括对应不同KD-Arc-EfficientNet模块数量的第三电弧检测子模型和对应不同卷积核数量的第三电
6.根据权利要求1所述的方法，其中，所述第一样本电流数据的数据数量选取规则包括：
7.根据权利要求4所述的方法，其中，所述第一电弧检测模型的参数值选择规则包括：
8.根据权利要求5所述的方法，其中，所述第三电弧检测模型的第二参数值选择规则包括：
9.根据权利要求7所述的方法，其中，所述第一目标参数值包括以下至少一项：
10.根据权利要求1所述的方法，其中，所述电弧检测模型还包括：全连接层和输出层，所述全连接层与所述第三卷积层连接，位于第三卷积层之后，以及与输出层相连接，位于输出层之前。
11.根据权利要求1所述的方法，其中，所述第一卷积层中的所述一维卷积子层为1x1的一维卷积子层；所述第二卷积层的所述空间可分离子层为3×1的空间可分离卷积层子，所述池化子层为步长为2的最大池化子层；所述第三卷积层中的所述一维卷积子层为2x1的一维卷积子层；所述第三通道子层数量与所述第一通道子层数量、所述第二通道子层数量之间成两倍数关系。
12.一种电弧故障的检测方法，包括：
13.一种电子设备，包括：
14.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～12中任一项所述的方法。
...【技术特征摘要】
1.一种电弧检测模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述将所述第一样本电流数据集中的第一样本电流数据输入至第一电弧检测模型，输出第一样本目标电流特征数据集，包括：
3.根据权利要求1所述的方法，其中，所述第三电弧检测模型，包括第一预训练子模型和第二预训练子模型，所述第一预训练子模型表征为第二电弧检测模型，所述第一预训练子模型与所述第二预训练子模型关联；
4.根据权利要求1所述的方法，其中，所述第二电弧检测模型为arc-efficientnet模型，所述arc-efficientnet模型包含多个arc-efficientnet模块，所述第一电弧检测模型为i个；
5.根据权利要求1所述的方法，其中，所述第三电弧检测模型为kd-arc-efficientnet模型，所述kd-arc-efficientnet模型包含多个kd-arc-efficientnet模块，所述第三电弧检测模型为j个，所述第三电弧检测模型包括对应不同kd-arc-efficientnet模块数量的第三电弧检测子模型和对应不同卷积核数量的第三电弧检测子模型；
6.根据权利要求1所述的方法，其中，所述第一样本...
【专利技术属性】
技术研发人员：王尧，于敬涛，盛德杰，班云升，马啸尘，侯林明，包志舟，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。