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！

龙图腾网获悉浙江工业大学申请的专利融合慢信号时频表征的能源热力系统图嵌入故障推理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：CN120124754B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510607709.6，技术领域涉及：G06N5/04；该发明授权融合慢信号时频表征的能源热力系统图嵌入故障推理方法是由孙哲;杨鹏;沈希;金华强;姚琪威;肖涵设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本融合慢信号时频表征的能源热力系统图嵌入故障推理方法在说明书摘要公布了：本发明公开了融合慢信号时频表征的能源热力系统图嵌入故障推理方法。该方法通过时频分析对热力系统中采样频率低、信号变化缓慢的热力学慢信号进行联合时域与频域表征，并构建参数间的知识图谱，利用图卷积网络GCN和时空图卷积网络STGCN对图结构数据进行学习，实现复杂能源热力系统的端到端故障推理。本发明通过采用数据插值加密和稀疏时频表征方法能够有效提取慢信号的时频域特征，扩展了热力学信号的表征维度；利用知识图谱整合参数间的关联关系，并结合CNN‑GCN和STGCN进行“时‑空‑频”跨模态融合决策，大幅提升了复杂能源热力系统的故障推理能力，增强了系统的诊断准确性与可靠性。

本发明授权融合慢信号时频表征的能源热力系统图嵌入故障推理方法在权利要求书中公布了：1.融合慢信号时频表征的能源热力系统图嵌入故障推理方法，其特征在于，基于热力系统不同位置的传感参数信息及参数间的关联结构信息，建立并训练故障推理模型，融合模型特征并推断故障类型；具体包括以下步骤： 步骤S1：对热力系统各传感器采集的时序数据进行数据切片处理，并利用自适应核函数高斯回归插值法对切片数据进行加密处理，得到长度补齐的低频响时序数据集D1和密集型高频响时序数据集D2； 步骤S2：采用稀疏时频分析法，对数据集D2中各传感参数分别进行时频分析，得到各传感参数的时频图； 步骤S3：通过卷积神经网络CNN对时频图进行低维流形表征，得到各参数的低维表征向量； 步骤S4：根据热力系统各传感参数间的关联关系和因果关系，构建参数关联关系的知识图谱； 步骤S5：构建图卷积神经网络GCN及时空图卷积神经网络STGCN，将GCN和STGCN的输出层进行拼接，利用Attention层自适应学习各参数的权重，并添加softmax分类层，实现故障分类决策； 所述图卷积神经网络GCN中，输入图数据的结构按照步骤S4中构建的知识图谱结构，图数据的各节点特征为步骤S3中各参数的低维表征向量，图卷积神经网络GCN的输出层为一维全连接神经网络层； 所述时空图卷积神经网络STGCN中，输入图数据的结构按照步骤S4中构建的知识图谱结构，图数据的各节点特征为步骤S1中长度补齐的D1数据中各参数的时序值，时空图卷积神经网络STGCN的输出层为一维全连接神经网络层； 步骤S6：使用已有故障标注数据进行模型监督训练，采用交叉熵计算损失值，得到端到端的故障推理模型。

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工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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”。