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！

龙图腾网恭喜浙江浙能嘉兴海上风力发电有限公司;浙江大学申请的专利一种风电机组齿轮箱故障检测的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：CN118211094B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202410187089.0，技术领域涉及：G06F18/24；该发明授权一种风电机组齿轮箱故障检测的方法是由林玮;吴琳;朱玲芬;杨秦敏;叶江彬;陆智慧;王卉;孟文超;李超;范振宇设计研发完成，并于2024-02-20向国家知识产权局提交的专利申请。

本一种风电机组齿轮箱故障检测的方法在说明书摘要公布了：本发明公开一种风电机组齿轮箱故障检测的方法，包括离线模型训练和在线故障检测两个阶段，离线模型训练阶段包括运行状态分类和分类‑回归模型训练，运行状态分类采用基于动态时间规整DTW的运行状态无监督分类方法，分类‑回归模型训练采用结合采样权重分配策略的分类—回归算法；在线故障检测阶段采用基于残差超限百分比预警机制的故障检测置信度计算策略。本发明在检测过程中，故障检测方法基于数据驱动，能够充分考虑到齿轮箱的不同运行状态；通过对不同运行状态的独立检测，实现齿轮箱复杂运行条件下的故障检测。另外，采用采样权重分配策略，能够克服数据不平衡问题带来的影响，使分类模型表现更佳，达到更好的在线故障检测效果。

本发明授权一种风电机组齿轮箱故障检测的方法在权利要求书中公布了：1.一种风电机组齿轮箱故障检测的方法，其特征在于，包括离线模型训练和在线故障检测两个阶段，所述离线模型训练阶段包括运行状态分类和分类-回归模型训练，运行状态分类采用基于动态时间规整DTW的运行状态无监督分类方法，分类-回归模型训练采用结合采样权重分配策略的分类—回归算法；所述在线故障检测阶段采用基于残差超限百分比预警机制的故障检测置信度计算策略； 所述离线模型训练阶段中基于动态时间规整DTW的运行状态无监督分类方法包括状态变量选取、数据样本正则化、DTW距离计算以及K-means聚类；所述离线模型训练阶段中结合采样权重分配策略的分类—回归算法包括训练样本采样权重分配、XGBoost分类模型、GRU回归模型以及残差阈值设定； 所述采样权重分配策略的分类—回归算法的具体步骤包括：针对样本的DTW距离，采用极端梯度提升XGBoost决策树模型并进行训练，计算输入样本落入每一类别的概率，采取采样权重分配策略，对第i个聚类中样本的采样权重αi计算如下： 式中，no为聚类得到的类别数量，Ni为第i个类别中样本的数量； 所述在线故障检测流程阶段的基于残差超限百分比预警机制的故障检测置信度计算策略，包括待检测数据正则化、XGBoost运行状态识别+GRU轴承温度预测、残差超限预警值以及故障检测置信度。

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浙江浙能嘉兴海上风力发电有限公司;浙江大学，其通讯地址为：314000 浙江省嘉兴市南湖区台昇国际广场A座15-17楼；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”。