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！

龙图腾网获悉华北电力大学;华能太仓发电有限责任公司;华能集团技术创新中心有限公司申请的专利一种基于DAE-LSTM-KDE模型的风电齿轮箱故障预警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：CN117313796B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202311392122.5，技术领域涉及：G06N3/045；该发明授权一种基于DAE-LSTM-KDE模型的风电齿轮箱故障预警方法是由吕游;齐欣宇;周民;张志勇;许世森;陈钢;王玲;张淼;黄鹏设计研发完成，并于2023-10-25向国家知识产权局提交的专利申请。

本一种基于DAE-LSTM-KDE模型的风电齿轮箱故障预警方法在说明书摘要公布了：本发明公开了一种基于DAE‑LSTM‑KDE模型的风电齿轮箱故障预警方法，采用深度自编码器DAE提取隐藏在历史数据中的时序特征，构建基于LSTM神经网络的风电机组齿轮箱正常状态下的监测模型，在获取输出变量预测残差的基础上利用核密度估计kerneldensityestimation,KDE方法设定报警阈值。所述方法包含以下步骤：对SCADA系统中的原始数据进行异常值的清洗、归一化，采用深度自编码器提取隐藏在数据中的时序特征，构建基于LSTM神经网络的风电机组齿轮箱正常状态下的监测模型，在获取输出变量预测残差的基础上利用核密度估计kerneldensityestimation,KDE方法设定报警阈值，将包含从正常运行到故障发生阶段的样本输入训练好的模型，当预测残差超出设定的故障阈值时发出预警信号。

本发明授权一种基于DAE-LSTM-KDE模型的风电齿轮箱故障预警方法在权利要求书中公布了：1.一种基于DAE-LSTM-KDE模型的风电齿轮箱故障预警方法，其特征在于，包括以下步骤： 步骤1、采用深度自编码器DAE提取隐藏在历史数据中的时序特征，构建基于LSTM神经网络的风电机组齿轮箱正常状态下的监测模型，在获取输出变量预测残差的基础上利用核密度估计KDE方法设定报警阈值；对SCADA系统中的原始数据进行异常值的清洗、归一化； 步骤2、通过DAE编码过程完成特征提取，将输入信号x通过非线性关系映射为隐含特征z，同时限制隐含层的维数低于原始输入数据的维数来保证算法的有效性，运算公式如式1所示： 式中，是非线性函数，W是权重矩阵，b是偏置矩阵； 步骤3、将步骤2中提取的特征输入至LSTM神经网络，构建DAE-LSTM状态预测模型并对其进行训练； 步骤4、利用核密度估计KDE方法计算正常工作时的残差统计特性并确定相应的报警阈值； 步骤4进一步包括以下子步骤： 步骤4-1：采用Gaussian函数作为核函数，利用基于非参数统计KDE方法对绝对残差序列进行概率统计，运算如下： 其中，为残差序列的概率分布密度，n是样本的数量，H为核函数的最优带宽参数，ei为残差序列的第i个样本，S是它的标准差，Q是样本75％和25％分位数之间的差值； 步骤4-2：将正常模型下的预测残差的概率密度分布用作参考，得到在满足置信度为1-α条件下故障阈值er，表示为如式11所示： Pe-er＝1-α11， 步骤5：将在线数据输入入训练好的DAE-LSTM模型得到预测残差，在该模型下得到状态变量输出预测的绝对残差值，具体运算被表示为如式11所示： 当预测残差超出设定的故障阈值时，表示此时齿轮箱的运行已经偏离了正常的工作状态，则发出预警信号。

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华北电力大学;华能太仓发电有限责任公司;华能集团技术创新中心有限公司，其通讯地址为：102206 北京市昌平区北农路2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。