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！

龙图腾网获悉国网四川省电力公司电力科学研究院申请的专利一种基于阳极饱和电抗器的松动预测的智能停机决策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：CN120408207B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510920313.7，技术领域涉及：G06F18/214；该发明授权一种基于阳极饱和电抗器的松动预测的智能停机决策方法是由张晨萌;黄志成;夏亚龙;黄长久;陈莉;孟召磊设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于阳极饱和电抗器的松动预测的智能停机决策方法在说明书摘要公布了：本发明公开了一种基于阳极饱和电抗器的松动预测的智能停机决策方法，包括以下步骤：S1.对于同一型号的阳极饱和电抗器，采集不同运行时间的历史信息；S2.根据不同运行时间的历史信息，计算阳极饱和电抗器特征信息，并将特征信息转换为带时间标签的连续时序数据；S3.构建LSTM网络，并利用带时间标签的连续时序数据对LSTM网络进行训练，得到训练好的LSTM网络作为松动程度的预测模型；S4.基于强化学习的方式，得到智能停机决策。本发明能够在故障发生前动态决策停机检修时机，平衡生产连续性（避免频繁停机）与设备安全（避免重大故障）。

本发明授权一种基于阳极饱和电抗器的松动预测的智能停机决策方法在权利要求书中公布了：1.一种基于阳极饱和电抗器的松动预测的智能停机决策方法，其特征在于：包括以下步骤： S1.对于同一型号的阳极饱和电抗器，采集不同运行时间的历史信息； 所述运行时间以天为单位，每一天为一个时间步，所述不同运行时间的历史信息，即不同时间步下的历史信息，包括： 通过声纹采集传感器采集到的声纹数据、通过激光测振仪采集到的振动加速度数据，以及使用数显型扭矩扳手采集到的电抗器连接螺栓的松动力矩； 所述声纹数据包括声压的有效值，取一个时间步内声压的均方根值，以及在i=1,2,…30时，100*iHz对应的声波的幅值； 所述振动加速度数据包括：一个时间步内的各个振动加速度峰值，以及在i=1,2,…30时，100*iHz对应的振动加速度波形的幅值； S2.根据不同运行时间的历史信息，计算阳极饱和电抗器特征信息，并将特征信息转换为带时间标签的连续时序数据； 所述步骤S2包括： S201.计算阳极饱和电抗器特征信息，包括加速度峰值均值、振动加速度高低频能量比、声压级、声纹频谱复杂度、松动程度； 根据激光测振仪采集到的振动加速度数据,计算振动加速度峰值均值A以及振动加速度高低频能量比B： 其中，振动加速度峰值均值A，通过对振动加速度峰值求平均得到； 振动加速度高低频能量比B计算方式如下： ； A i 为100*iHz对应加速度波形的幅值； 根据声纹采集传感器采集到的声纹数据，计算声压级C和声纹频谱复杂度D： 其中，声压级C的计算方式如下： C=20*lgPP 0 其中，P为测量声压的有效值，P 0 为基准声压，取20μPa； 声纹频谱复杂度D计算方式如下：，，A i 为100*iHz对应声波的幅值，R i 为100*iHz对应声波的能量比重； 根据数显型扭矩扳手采集到的电抗器连接螺栓的松动力矩，计算松动程度L： L=（拧紧力矩-松动力矩）拧紧力矩*100% 其中，电抗器的连接螺栓处于完全紧固状态时，利用数显型扭矩扳手预先对对电抗器连接螺栓的力矩进行采集，得到的力矩即为拧紧力矩； S202.拟合加速度峰值均值、振动加速度高低频能量比、声压级、声纹频谱复杂度、松动程度与运行时间t的关系： A1、定义运行时间为t时的振动加速度峰值均值为： 在不同运行时间t下，按照步骤S201获得对应的加速度峰值均值，记为，通过多个和对应的运行时间t，拟合常数a 1、b1、c1，从而得到振动加速度峰值均值随运行时间的变化关系； A2、定义运行时间为t时的加速度高低频能量比： 在不同运行时间t下，按照步骤S201获得对应加速度高低频能量比，记为，通过多个和对应的运行时间t，拟合常数a 2、b2、c2，从而得到加速度高低频能量比随运行时间的变化关系； A3、定义运行时间为t时的声压级： 在不同运行时间t下，按照步骤S201获得对应声压级，记为，通过多个和对应的运行时间t，拟合常数a 3、b3、c3，从而得到声压级随运行时间的变化关系； A4、定义运行时间为t时的声纹频谱复杂度： 在不同运行时间t下，按照步骤S201获得对应声纹频谱复杂度，记为，通过多个和对应的运行时间t，拟合常数a 4、b4、c4，从而得到声纹频谱复杂度随运行时间的变化关系； A5、定义运行时间为t时的松动程度： 在不同运行时间t下，按照步骤S201获得对应的松动程度，记为，通过多个和对应的运行时间t，拟合k，从而得到松动程度随运行时间的变化关系； S203.根据A1~A5拟合得到的变换关系，得到带时间标签的加速度峰值均值、振动加速度高低频能量比、声压级、声纹频谱复杂度、松动程度的连续时序数据，连续时序数据中，每一天为一个时间步； S3.构建LSTM网络，并利用带时间标签的连续时序数据对LSTM网络进行训练，得到训练好的LSTM网络作为松动程度的预测模型； S4.基于强化学习的方式，得到智能停机决策。

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国网四川省电力公司电力科学研究院，其通讯地址为：610000 四川省成都市高新区锦晖西二街16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”。