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！

龙图腾网恭喜西安西电电力系统有限公司;中国西电电气股份有限公司申请的专利阀基电子设备监视逻辑有效性验证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：CN118916663B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411413701.8，技术领域涉及：G06F3/01；该发明授权阀基电子设备监视逻辑有效性验证方法及装置是由马元社;常悦庭;辛虎;赵可欣;张志浩;计小龙;高奇设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本阀基电子设备监视逻辑有效性验证方法及装置在说明书摘要公布了：本发明公开了一种阀基电子设备监视逻辑有效性验证方法及装置，其中该方法包括：在VBE向测试机箱发送光触发信号后，接收测试机箱反馈的光信号；测试机箱模拟换流阀晶闸管的功能；将光信号依次输入至训练好的特征提取模型、特征去噪模型、分类器模型，输出光信号识别结果；光信号识别结果包括光信号类别，光信号类别反映晶闸管状态；所述分类器模型预先基于极限学习机训练得到，训练过程中对去噪后数据进行自适应哈达玛变换处理；接收测试机箱发送的光信号描述信息；比较光信号识别结果和光信号描述信息，根据比较结果确定VBE的监视逻辑验证结果。本发明可以在脱离与真实工作的换流阀联通的情况下实现VBE阀基电子设备监视逻辑有效性验证。

本发明授权阀基电子设备监视逻辑有效性验证方法及装置在权利要求书中公布了：1.一种阀基电子设备监视逻辑有效性验证方法，其特征在于，包括：在待测试阀基电子设备VBE向测试机箱发送光触发信号后，接收测试机箱反馈的光信号；所述测试机箱模拟换流阀晶闸管的功能；将光信号输入至训练好的特征提取模型，输出特征提取后数据；所述特征提取模型预先利用历史的：换流阀晶闸管反馈给VBE的光信号，对多层全连接神经网络训练得到，训练过程中采用探索式梯度下降更新神经网络参数；将特征提取后数据输入至训练好的特征去噪模型，输出去噪后数据；所述特征去噪模型预先基于逆向重构的自编码器训练得到，自编码器包括编码器和解码器，编码器用于将特征提取后数据压缩为低维表示数据，解码器用于将低维表示数据重构为与特征提取后数据维度相同的数据；将去噪后数据输入至训练好的分类器模型，输出光信号识别结果；光信号识别结果包括光信号类别，光信号类别反映晶闸管状态；所述分类器模型预先基于极限学习机训练得到，训练过程中对去噪后数据进行自适应哈达玛变换处理，处理后数据被传递至输出层，在输出层计算损失函数，根据损失函数通过反向传播算法更新训练极限学习机模型参数；晶闸管状态包括正常状态和如下故障状态：短路、过电流、过电压、反向击穿故障；接收测试机箱发送的光信号描述信息；光信号描述信息包括光信号类别；比较光信号识别结果和光信号描述信息，根据比较结果确定待测试VBE的监视逻辑验证结果；监视逻辑验证结果包括监视逻辑正常或异常；其中，在待测试VBE向测试机箱发送光触发信号前，还包括：获取历史的换流阀晶闸管反馈给VBE的光信号，对历史的换流阀晶闸管反馈给VBE的光信号进行标注、预处理、特征提取，得到训练样本；采用生成对抗网络对训练样本进行扩充，得到扩充后训练样本；基于扩充后训练样本训练得到特征提取模型、特征去噪模型、分类器模型；生成对抗网络的训练流程如下：首先，初始化生成器和判别器的网络参数；初始化参数采用高斯分布的方式实现；然后，生成器接收随机噪声，采用量子信息压缩方法来处理噪声，生成量子态ψ：ψ=Qz;θq；式中，z为生成器的输入的随机噪声；θq表示量子态生成函数的参数；Q（）为量子态生成函数；量子态生成函数Q（）的计算方式表示为：Q（z;θq）=Uθ’q×H（z）；式中，H（z）表示将随机噪声通过一系列的Hadamard门转换为量子比特的超位置态；Uθ’q代表根据参数θq应用的量子逻辑门；θ’q为调整后的量子门参数；其中，θq利用基于注意力机制的调整模块进行调整；随机噪声z的采样服从以下分布：z~Nμ’,σ’2；其中，μ为噪声的均值，σ2为噪声的方差，μ’和σ’2分别是调整后的噪声的均值和方差，调整方式表示为：μ’=μ+βcg×S（f;σs）；σ’2=σ2×expS（f;σs）；式中，βcg是调整因子，S是自适应噪声调整函数，f为随机噪声向量，σs是自适应噪声调整函数的参数；自适应噪声调整函数S的计算方式表示为：S（f;σs）=tanhWs×f+bs；式中，Ws和bs是自适应噪声调整函数的权重和偏置参数，tanh是双曲正切函数；之后，量子态ψ经过一个量子经典转换函数C，将量子信息转换为可用于判别的经典数据，表示为：x’=Cψ;θc；式中，x’为经典数据，具体为与原始采集数据相同格式的向量数据；θc表示量子经典转换函数的参数；C是量子到经典的转换操作；之后，判别器对生成的经典数据与输入真实数据进行评估，且采用量子纠错损失函数LQEC进行训练过程的约束，表示为：LQECx,x’;θd=-logDx;θd-log1-Dx’;θd；式中，θd表示判别器的参数；D为判别器函数，输出样本为真实样本的概率；x为真实数据样本；之后，根据判别器的输出和量子纠错损失函数，调整生成器G的参数θg，更新参数，表示为： ；式中，为当前迭代的生成器参数；ηvb为学习率；为损失函数关于生成器参数的梯度；重复迭代上述步骤，直至满足预设的停止迭代条件；其中，所述分类器模型按如下方式训练得到：每次迭代按如下方式执行，直至达到第三最大迭代次数：初始化极限学习机的参数，所述极限学习机的参数包括极限学习机的权重和偏置参数；按如下公式，对输入的样本数据进行自适应哈达玛变换处理，得到处理后数据： ；式中，为第l层的线性变换输出的处理后数据，为第l层的激活后输出的处理后数据，为极限学习机的第l层的权重，Hu为哈达玛矩阵，Xu为输入数据，为极限学习机的第l层的偏置，Sig（）为Sigmoid激活函数，⊙表示哈达玛乘积；采用交叉熵损失函数，利用处理后数据计算损失；根据计算损失，采用反向传播算法计算梯度、更新化极限学习机的参数。

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西安西电电力系统有限公司;中国西电电气股份有限公司，其通讯地址为：710075 陕西省西安市雁塔区西三环西辅道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”。