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！

龙图腾网获悉哈尔滨工程大学申请的专利基于数字孪生的核电厂转动设备智能故障诊断方法及系统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：CN116779202B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310573448.1，技术领域涉及：G21D3/00；该发明授权基于数字孪生的核电厂转动设备智能故障诊断方法及系统是由夏虹;姜莹莹;尹文哲;周卓然;黄学颖;张津铭;张汲宇;贾朱钧设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于数字孪生的核电厂转动设备智能故障诊断方法及系统在说明书摘要公布了：本发明公开了一种基于数字孪生的核电厂转动设备智能故障诊断方法及系统，涉及智能核电厂技术领域，本发明通过深度学习实现数字空间与现实空间数据的互相补充，解决核电厂转动设备故障数据不充分问题；基于数据融合的思想实现诊断模型的多源数据整合，能够提高诊断结果的准确性；本发明还提出了一种数字孪生模型的更新方法，保证核电厂转动设备在运行过程中产生新工况或训练好的孪生模型无法满足要求时，可实现数字孪生模型的更新，从而保证数字孪生模型与物理空间模型的一致性。

本发明授权基于数字孪生的核电厂转动设备智能故障诊断方法及系统在权利要求书中公布了：1.一种基于数字孪生的核电厂转动设备智能故障诊断方法，其特征在于，包括以下步骤： 步骤1：将核电厂转动设备的运行数据和实验数据进行数据预处理； 步骤2：将步骤1得到的运行数据和实验数据存储到数据库中； 步骤3：调用数据库中的运行数据和实验数据，通过SVD-POD算法进行降阶处理，将核电厂转动设备的高阶数据映射到低阶空间，得到多种模式下的核电厂转动设备降阶数据； 步骤4：基于步骤3中得到的核电厂转动设备降阶数据以及深度学习算法，构建基于数据驱动的核电厂转动设备的数字孪生模型； 步骤5：基于步骤4中构建的数字孪生模型进行动态仿真，得到核电厂转动设备的仿真数据，作为构建故障诊断模型的补充数据集，基于数据库以及补充数据集，对神经网络模型进行训练和测试，得到故障诊断模型； 步骤6：获取核电厂转动设备的多源监测实时信号，按照步骤1和步骤3中的预处理和降阶方法进行处理后，通过D-S证据理论进行数据融合； 步骤7：将进行数据融合后的数据传递到故障诊断模型中； 步骤8：若输入工况和检测结果为数据库中已有数据，则由故障诊断模型进行诊断并输出诊断结果； 步骤9：若输入工况和检测结果为未知数据，则将更新信号传送回数字孪生模型中； 步骤10：数字孪生模型接收到更新信号后建立新的工况模式和边界条件，进而更新数字孪生模型，并生成相应的孪生数据以供故障诊断模型学习、调用和验证，进一步更新故障诊断模型； 步骤11：利用更新后的故障诊断模型输出诊断结果。

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哈尔滨工程大学，其通讯地址为：150009 黑龙江省哈尔滨市南岗区南通大街145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。