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！

龙图腾网获悉燕山大学申请的专利一种基于多视角图神经网络的风电机组故障诊断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：CN115272811B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210841156.7，技术领域涉及：G06V10/80；该发明授权一种基于多视角图神经网络的风电机组故障诊断方法是由江国乾;王俪瑾;范伟鹏;谢平;何群;武鑫设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于多视角图神经网络的风电机组故障诊断方法在说明书摘要公布了：本发明公开了一种基于多视角图神经网络的风电机组故障诊断方法，首先从风电场获得多变量传感器时间序列历史数据，将处理后的多变量传感器时间序列数据从不同视角构建成多视角图结构数据，接着对每一种图结构数据进行图表示学习，输入多个独立并行的图卷积神经网络进行特征提取，经过图池化层后使用一个读出层来聚合节点特征从而获得多图特征表示。然后将多图特征表示输入多图交互学习融合模块得到多图共享表示，再将其拼接获得融合后的全局图表示。最后将全局图表示输入FC层，并用softmax分类器输出不同故障类型的概率，最终得到各状态的故障类型标签。本发明通过多图交互学习融合，可以学习到更有效的故障特征，提高故障诊断精度。

本发明授权一种基于多视角图神经网络的风电机组故障诊断方法在权利要求书中公布了：1.一种基于多视角图神经网络的风电机组故障诊断方法，其特征在于：该方法包括如下步骤： 步骤S1：从风电场状态监视与数据采集系统获取多台风电机组健康和不同故障状态下的多变量传感器时间序列历史数据； 步骤S2：将处理后的多变量传感器时间序列数据从不同视角构建多视角图结构数据；即将每个传感器作为一个节点，传感器的时间序列切片为该节点特征，计算两两传感器之间的相关性作为边，分别构建距离图邻域图功能图因果图形成多视角图结构数据集合 步骤S3：构建图表示学习模块；将步骤S2中得到的四种图结构数据分别输入到对应的图卷积神经网络进行特征学习，再经过图池化层，最后通过使用读出层来聚合节点特征得到每个图结构数据对应的图特征表示，分别为 步骤S4：构建多图交互学习融合模块，将步骤S3得到多图特征输入交互学习单元，定义交互学习权重系数矩阵α来对多图特征分配不同的权重，利用了多图特征之间的相关性和互补性，最终学习得到多图特征之间的共享表示公式如下 其中，αAB＝αBA，αAC＝αCA，αAD＝αDA，αBC＝αCB，αBD＝αDB，αcD＝αDC；αAA,αBB,αCC,αDD分别表示距离图、邻域图、功能图、因果图的自相关性度量系数；αAB,αBA表示距离图和邻域图之间的相关性度量系数；αAC,αCA表示距离图和功能图之间的相关性度量系数；αAD,αDA表示距离图和因果图之间的相关性度量系数；αBC,αCB表示邻域图和功能图之间的相关性度量系数；αBD,αDB表示邻域图和因果图之间的相关性度量系数；αCD,αDC表示功能图和因果图之间的相关性度量系数；最后串联运算得到全局图表示f′，公式表示如下， 其中，CONCAT表示串联运算； 步骤S5：故障分类模块，将融合后的全局图表示f′输入到全连接层，并用softmax分类器输出不同故障类型的概率，最终得到各状态的故障类型标签。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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。