买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安交通大学申请的专利基于DSCNN的油中电弧放电模式轻量化识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119044690B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411106251.8，技术领域涉及：G01R31/12；该发明授权基于DSCNN的油中电弧放电模式轻量化识别方法是由董明;常昊鑫;胡一卓;关宇;王昊;田志立;罗阳;康博超;孙维凯;吴倩设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本基于DSCNN的油中电弧放电模式轻量化识别方法在说明书摘要公布了：一种基于DSCNN的油中电弧放电模式轻量化识别方法，该方法中，开展油浸式电力变压器短间隙油中电弧放电测试实验；利用传感器采集电弧放电测试实验的放电时域数据，对其进行小波变换，生成时频图谱；将时频图谱分为训练集和测试集，使用训练集训练轻量化深度可分离卷积神经网络模型，利用测试集检测训练后的模型，记录第一训练参数；使用所述训练集训练常规卷积神经网络模型，使用所述试集检测训练后的模型，记录第二训练参数；通过对比第一训练参数和第二训练参数，证实基于DSCNN的短间隙电弧放电模式识别方法的轻量化优势，满足在线监测的要求。

本发明授权基于DSCNN的油中电弧放电模式轻量化识别方法在权利要求书中公布了：1.一种基于DSCNN的油中电弧放电模式轻量化识别方法，其特征在于，包括如下步骤： 步骤1：开展油浸式电力变压器短间隙油中电弧放电测试实验； 步骤2：利用传感器采集电弧放电测试实验的放电时域数据，对其进行小波变换，生成时频图谱； 步骤3：将时频图谱分为训练集和测试集，使用训练集训练轻量化深度可分离卷积神经网络模型，轻量化深度可分离卷积神经网络模型将标准的卷积操作分解为深度卷积和逐点卷积两个部分，并在深度卷积和逐点卷积后均添加正则化处理和激活函数，以构成DSCNN模块，利用测试集检测训练后的模型，记录第一训练参数； 步骤4：使用所述训练集训练常规卷积神经网络模型，使用所述测试集检测训练后的模型，记录第二训练参数，卷积神经网络模型包括卷积、池化、全连接操作； 步骤5：通过对比第一训练参数和第二训练参数，当轻量化深度可分离卷积神经网络模型在开展短间隙油中电弧放电模式识别工作时参数规模更小、计算量更少、推理耗时更短，证实基于DSCNN的短间隙电弧放电模式识别方法的轻量化优势，满足在线监测的要求。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。