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！

龙图腾网获悉沈阳航空航天大学申请的专利一种基于多域深度特征联合的串联电弧故障检测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：CN115508673B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211036555.2，技术领域涉及：G01R31/12；该发明授权一种基于多域深度特征联合的串联电弧故障检测方法是由曲娜;胡从强;张帅设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种基于多域深度特征联合的串联电弧故障检测方法在说明书摘要公布了：本发明公开了一种基于多域深度特征联合的串联电弧故障检测方法，通过提取电器负载电流信号数据中的时域特征、频域特征及小波包能量特征三种一维特征，作为输入，由构建的电弧故障检测模型进行各域的深度特征提取，并将提取到的深度特征联合，由全连接神经网络进行故障检测，获得故障检测结果；该故障检测方法中，由于输入特征均为一维特征，可有效解决以往图像数据中二维特征存在的运算量大的问题，同时该检测方法中分别采用了电流信号数据中的时域统计特征、频域统计特征以及小波包能量特征的多特征输入，以综合考量采集的电流信号数据，提高检测结果的准确性。

本发明授权一种基于多域深度特征联合的串联电弧故障检测方法在权利要求书中公布了：1.一种基于多域深度特征联合的串联电弧故障检测方法，其特征在于，包括如下步骤： S1：实时采集电器负载的电流信号数据； S2：分别提取所述电流信号数据中的时域统计特征、频域统计特征以及小波包能量特征； S3：将提取的时域统计特征、频域统计特征以及小波包能量特征输入到已训练完成的电弧故障检测模型中，获得故障检测结果； 步骤S3中，所述电弧故障检测模型由一维堆叠神经网络、深度特征联合模块以及全连接神经网络构成； 其中，所述一维堆叠神经网络，用于进行输入的时域统计特征、频域统计特征以及小波包能量特征进行进一步的深度特征提取； 所述深度特征联合模块的输入端与所述一维堆叠神经网络的输出端连接，用于将所述一维堆叠神经网络输出的深度特征进行联合，形成新的特征； 所述全连接神经网络的输入端与所述深度特征联合模块的输出端连接，依据所述深度特征联合模块输出的新的特征，输出故障检测结果； 所述一维堆叠神经网络由一维卷积层、批量归一化层、一维最大池化层以及全连接层构成； 所述电弧故障检测模型的训练过程如下： S301：分别采集电器负载在正常工作状态下和串联电弧故障状态下的电流信号数据； S302：提取所述电流信号数据中的时域统计特征、频域统计特征以及小波包能量特征； S303：将所述时域统计特征、频域统计特征以及小波包能量特征进行归一化处理后，进行除冗处理，获得各域的重构特征； S304：将所述各域的重构特征输入到电弧故障检测模型中进行训练，获得训练完成的电弧故障检测模型； 步骤S303中，所述除冗处理，具体为： 将归一化后的时域统计特征、频域统计特征以及小波包能量特征分别采用树算法进行重要度排序，选取重要度前90-95％的特征，作为各域的重构特征；其中，选取4种不同的树算法，对各域特征进行重要度打分，并将各模型打分结果的综合平均值作为最终特征重要度排序的依据，4种树算法分别为随机森林、梯度提升树、极限梯度提升树和极端随机树； 步骤S304中，将所述各域的重构特征输入到电弧故障检测模型中进行训练，获得训练完成的电弧故障检测模型，具体为： 将输入的各域的重构特征由一维堆叠神经网络进行深度特征提取，获得各域的深度特征； 将所述各域的深度特征进行联合，形成新的特征； 将形成的新的特征作为输入，进行全连接神经网络的训练。

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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”。