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！

龙图腾网获悉大唐东北电力试验研究院有限公司;大唐吉林发电有限公司长山热电分公司申请的专利基于振动的汽轮发电机早期故障识别方法及装置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：CN121188583B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511739268.1，技术领域涉及：G06F18/241；该发明授权基于振动的汽轮发电机早期故障识别方法及装置是由苏显贺;张宝权;陈大龙;曲占坤;白仕光;全通;李忠义;陈志强;孙乾铭;李刚;顾颂歌设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于振动的汽轮发电机早期故障识别方法及装置在说明书摘要公布了：本申请涉及发电机故障识别技术领域，公开了一种基于振动的汽轮发电机早期故障识别方法及装置，该方法包括：获取训练样本；从每个振动信号序列样本中截取多个连续振动信号段，根据每个连续振动信号段构建灰度图像，生成灰度图像集合；利用各灰度图像集合，采用无监督序列分割方法对初始卷积神经网络分类器进行训练，得到目标卷积神经网络分类器，无监督序列分割方法通过为每个灰度图像集合自动确定最优的早期故障发生时间来生成伪标签，并利用伪标签训练初始卷积神经网络分类器；实时获取待识别的振动信号，基于获取的振动信号动态构建待识别振动信号段，据其构建待识别灰度图像，将待识别灰度图像输入目标卷积神经网络分类器，确定是否存在故障。

本发明授权基于振动的汽轮发电机早期故障识别方法及装置在权利要求书中公布了：1.一种基于振动的汽轮发电机早期故障识别方法，其特征在于，包括： 获取训练样本，其中，所述训练样本包括多个汽轮发电机的历史全生命周期的振动信号序列样本； 对于每个振动信号序列样本，从所述振动信号序列样本中截取多个连续振动信号段，分别根据每个连续振动信号段构建灰度图像，根据各灰度图像，生成所述振动信号序列样本的灰度图像集合； 利用各灰度图像集合，采用无监督序列分割方法对初始卷积神经网络分类器进行训练，得到目标卷积神经网络分类器，其中，所述无监督序列分割方法通过为每个灰度图像集合自动确定最优的早期故障发生时间来生成伪标签，并利用生成的伪标签训练所述初始卷积神经网络分类器； 实时获取待识别的汽轮发电机的振动信号，并基于获取的振动信号动态构建待识别振动信号段，根据待识别振动信号段，构建待识别灰度图像，将所述待识别灰度图像输入至所述目标卷积神经网络分类器，确定待识别的汽轮发电机是否存在故障； 所述利用各灰度图像集合，采用无监督序列分割方法对初始卷积神经网络分类器进行训练，得到目标卷积神经网络分类器，包括： 对于每个灰度图像集合，初始化多个候选的早期故障发生时间；对于每个候选的早期故障发生时间，根据所述早期故障发生时间以及所述灰度图像集合中各灰度图像对应的采样时间，为所述灰度图像集合中各灰度图像设置伪标签，并基于设置有伪标签的灰度图像，对初始卷积神经网络分类器进行训练，得到所述早期故障发生时间对应的卷积神经网络分类器；基于目标函数，分别计算每个早期故障发生时间对应的卷积神经网络分类器的目标函数值；通过寻优算法，迭代更新候选的早期故障发生时间，并重复计算每个早期故障发生时间对应的卷积神经网络分类器的目标函数值，直到满足迭代终止条件，将目标函数值最小的早期故障发生时间作为最优早期故障发生时间； 对于每个灰度图像集合，根据所述灰度图像集合对应的最优早期故障发生时间，以及所述灰度图像集合中各灰度图像对应的连续振动信号段的采样时间，对所述灰度图像集合中的灰度图像进行划分，得到正常子集和故障子集，并将所述正常子集中的每个灰度图像设置指示正常状态的伪标签，以及将所述故障子集中的每个灰度图像设置指示故障状态的伪标签； 根据各灰度图像集合中设置有伪标签的灰度图像，对所述初始卷积神经网络分类器进行训练，得到目标卷积神经网络分类器。

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大唐东北电力试验研究院有限公司;大唐吉林发电有限公司长山热电分公司，其通讯地址为：130000 吉林省长春市北湖科技开发区雅安路1299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。