Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学李兵获国家专利权

合肥工业大学李兵获国家专利权

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!

龙图腾网获悉合肥工业大学申请的专利变压器故障诊断方法、装置、系统及存储介质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:CN119274015B

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:202411324417.3,技术领域涉及:G06V10/774;该发明授权变压器故障诊断方法、装置、系统及存储介质是由李兵;解忠鑫;杨慧敏;朱世航;胡天韵;佐磊;尹柏强设计研发完成,并于2024-09-23向国家知识产权局提交的专利申请。

变压器故障诊断方法、装置、系统及存储介质在说明书摘要公布了:本申请公开一种变压器故障诊断方法、装置、系统及存储介质,涉及电数字数据处理技术领域。该方法包括获取变压器铁芯和绕组的振动信号;通过格拉姆角场对振动信号进行处理得到特征图像;通过多注意力机制对特征图像进行处理,得到全局特征矩阵;基于宽度学习系统对全局特征矩阵进行特征节点级联,构建CFBLS模型;将全局特征矩阵输入CFBLS模型,构建CBAM‑CFBLS变压器故障诊断模型,通过训练完毕的CBAM‑CFBLS变压器故障诊断模型进行变压器故障诊断。采用本申请实施例提供的变压器故障诊断方法,模型小,实时性高、诊断精度高,提升了信号处理的效率和精确度,增强了特征的表示能力。

本发明授权变压器故障诊断方法、装置、系统及存储介质在权利要求书中公布了:1.一种变压器故障诊断方法,其特征在于,所述方法包括: 获取变压器铁芯和绕组的振动信号; 通过格拉姆角场对所述振动信号进行处理,得到特征图像,所述特征图像包括格拉姆角和场特征图像和格拉姆角差场特征图像; 通过多注意力机制对所述格拉姆角和场特征图像和格拉姆角差场特征图像进行处理,得到全局特征矩阵,包括: 将所述格拉姆角和场特征图像和所述格拉姆角差场特征图像作为多注意力机制的输入,所述多注意力机制包括通道注意力机制和空间注意力机制,所述通道注意力机制的公式如下所示: 其中,i=1,2,...,n,Zi′表示第i组特征图经过通道注意力机制输出的特征,Mc表示通道维度上的注意力权重,表示输入第i组振动信号样本经过GAF变换后得到的特征图,表示逐元素乘法; 将通道注意力机制输出的特征作为空间注意力机制的输入,公式如下所示: 其中,Ms表示空间维度上的注意力权重;Zi″表示第i组特征图经过空间注意力机制输出的特征; 全局特征矩阵的公式如下所示: 基于宽度学习系统对所述全局特征矩阵进行特征节点级联,构建复合特征宽度学习系统CompositeFeatureBroadLearningSystem,CFBLS模型,包括: 将所述全局特征矩阵输入所述宽度学习系统,所述宽度学习系统通过线性映射将所述全局特征矩阵转换为n组随机特征节点,并将前一组特征节点的输出作为后一组特征节点的输入,得到CFBLS模型的第i组特征节点,公式如下所示: 其中,i=1,2,...,n,表示特征层激活函数,Wei和βei分别表示随机生成的第i个特征节点的权重和偏置; 将所述CFBLS模型的每组特征节点串联得到完整的特征映射层Zp,公式如下所示: Zp=[Z1,Z2,...,Zp] 对所述完整的特征映射节点Zp进行非线性变换得到增强节点,公式如下所示: Hj=ξZWhk+βhk 其中,j=1,2,...,q,ξ·表示增强节点的线性激活函数,Whk和βhk分别表示随机生成的第k个增强节点的权重和偏置; 将每个增强节点串联得到完整的增强层Hq,公式如下所示: Hq=[H1H2,...,Hq] 将所述特征映射层Zp和所述增强层Hq串联后连接至输出层,构成完整的CFBLS模型,输出矩阵的公式如下所示: Y=[Zp|Hq]W=AW 其中,A=[Zp|Hq],表示所有特征映射层和增强层拼接的隐藏层,W表示连接隐藏层与输出层的权重; 计算最优输出权重的目标函数,公式如下所示: 其中,λ表示正则化参数; 通过吉洪诺夫正则化方法计算所述最优输出权重Wbest,公式如下所示: Wbest=A+Y=λI+ATA-1ATY 其中,A+表示A的伪逆矩阵,I表示单位矩阵; 当λ→0时,伪逆矩阵A+的公式如下所示: 基于所述特征图像构建数据集,将所述数据集划分为训练集和测试集;将所述全局特征矩阵输入所述CFBLS模型,通过所述训练集对所述CFBLS模型进行调参,构建CBAM-CFBLS变压器故障诊断模型,通过所述测试集对所述CBAM-CFBLS变压器故障诊断模型进行测试,直至故障诊断正确率达到预设阈值; 通过训练完毕的CBAM-CFBLS变压器故障诊断模型进行变压器故障诊断。

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合肥工业大学,其通讯地址为:230009 安徽省合肥市包河区屯溪路193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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。