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！

龙图腾网获悉河北津合科技有限公司;翼腾线缆有限公司申请的专利一种基于对抗扰动学习的电缆绝缘损伤自适应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：CN120611247B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511106284.7，技术领域涉及：G06F18/241；该发明授权一种基于对抗扰动学习的电缆绝缘损伤自适应检测方法是由候明亮;郭继昌;杨世凤;赵宗南设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种基于对抗扰动学习的电缆绝缘损伤自适应检测方法在说明书摘要公布了：本发明公开了一种基于对抗扰动学习的电缆绝缘损伤自适应检测方法，包括如下步骤：S1、采集电缆运行过程中的原始电气信号；S2、对电气信号序列进行预处理，划分为若干等长信号片段；S3、构建DeiT检测模型，并构建输入向量；S4、输入多层Transformer编码器，输出电缆绝缘损伤的预测概率；S5、构造对抗样本序列，训练DeiT检测模型；S6、建立自适应检测机制，动态调整DeiT检测模型的参数；S7、将训练完成的DeiT检测模型部署于电缆绝缘状态检测中。本发明融合对抗扰动学习、知识蒸馏与自适应机制，实现电缆绝缘损伤智能检测，具备鲁棒性强、精度高、适应性好的优点。

本发明授权一种基于对抗扰动学习的电缆绝缘损伤自适应检测方法在权利要求书中公布了：1.一种基于对抗扰动学习的电缆绝缘损伤自适应检测方法，其特征在于，包括如下步骤： S1、采集电缆运行过程中的原始电气信号，连续获取形成电气信号序列； S2、对电气信号序列进行预处理，将电气信号序列划分为若干等长信号片段； S3、构建DeiT检测模型，通过嵌入层对每个信号片段进行线性嵌入，构成嵌入向量序列，并在嵌入向量序列前添加类别标识向量和蒸馏标识向量，通过位置编码层叠加对应的位置编码信息，形成模型的完整输入向量； S4、将完整输入向量输入多层Transformer编码器，经分类输出层提取信号片段的特征，并输出电缆绝缘损伤的预测概率； S5、在嵌入向量序列上施加微小扰动构造对抗样本序列，并以嵌入向量序列和对抗样本序列共同训练DeiT检测模型，同时采用卷积神经网络作为教师模型，将教师模型输出的软标签监督DeiT检测模型的训练； S6、建立自适应检测机制，根据电气信号序列的统计特性、频域结构和背景干扰强度，动态调整DeiT检测模型的参数； S7、将训练完成的DeiT检测模型部署于电缆绝缘状态检测中，输出检测结果； 所述S5具体包括： S51、获取嵌入向量序列，作为对抗扰动生成的初始输入； S52、对预处理后的电气信号序列进行短时傅里叶变换，获取每个信号片段的频谱能量； 设定能量阈值，构建频域掩码矩阵，当频谱能量大于能量阈值时，将频域注意力掩码矩阵对应处的值设置为1，否则设置为0； S53、初始化扰动序列为全零序列，在每次迭代中，采用带掩码的投影梯度下降算法引导扰动的更新过程： ； 其中，表示第次迭代时第个扰动序列，表示第次迭代时第个扰动序列，表示步长系数，表示频域掩码矩阵中对应第个嵌入位置的掩码向量，表示Hadamard逐元素乘积，表示符号函数，用于获取梯度方向，表示DeiT检测模型的学习参数，表示对抗样本交叉熵损失，表示对扰动序列关于对抗样本交叉熵损失的梯度，表示对抗样本序列，表示参数为、输入为对抗样本序列的对抗样本交叉熵损失，表示将扰动序列投影到最大扰动幅度不超过的约束集合内，表示扰动幅度的最大值； S54、基于嵌入向量序列和更新后的扰动序列构建对抗样本序列，与嵌入向量序列一并送入DeiT检测模型，分别输出原始预测概率和对抗预测概率； S55、同时，采用卷积神经网络构建教师模型，将若干等长信号片段组成信号特征矩阵，作为教师模型的输入，输出类别得分向量，经蒸馏温度系数处理后的softmax函数计算软标签，并将教师模型加入DeiT检测模型，作为DeiT检测模型的独立分支，由蒸馏输出层输出软标签： ； 其中，表示教师模型对第类的软标签，描述预测概率分布，表示第类的类别得分向量，表示蒸馏温度系数，表示自然指数函数，表示绝缘状态的类别数量； S56、将DeiT检测模型作为学生模型，定义原始样本交叉熵损失、对抗样本交叉熵损失和蒸馏KL散度损失； S57、构建联合损失函数，采用误差反向传播机制，通过最小化联合损失函数对学生模型参数进行联合优化。

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河北津合科技有限公司;翼腾线缆有限公司，其通讯地址为：061000 河北省沧州市高新区河北工业大学科技园5号楼4楼418-1；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。