買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉沈陽航空航天大學(xué)申請(qǐng)的專利一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115508673B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211036555.2，技術(shù)領(lǐng)域涉及：G01R31/12；該發(fā)明授權(quán)一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法是由曲娜;胡從強(qiáng);張帥設(shè)計(jì)研發(fā)完成，并于2022-08-29向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法，通過提取電器負(fù)載電流信號(hào)數(shù)據(jù)中的時(shí)域特征、頻域特征及小波包能量特征三種一維特征，作為輸入，由構(gòu)建的電弧故障檢測模型進(jìn)行各域的深度特征提取，并將提取到的深度特征聯(lián)合，由全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行故障檢測，獲得故障檢測結(jié)果；該故障檢測方法中，由于輸入特征均為一維特征，可有效解決以往圖像數(shù)據(jù)中二維特征存在的運(yùn)算量大的問題，同時(shí)該檢測方法中分別采用了電流信號(hào)數(shù)據(jù)中的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征的多特征輸入，以綜合考量采集的電流信號(hào)數(shù)據(jù)，提高檢測結(jié)果的準(zhǔn)確性。

本發(fā)明授權(quán)一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法在權(quán)利要求書中公布了：1.一種基于多域深度特征聯(lián)合的串聯(lián)電弧故障檢測方法，其特征在于，包括如下步驟： S1：實(shí)時(shí)采集電器負(fù)載的電流信號(hào)數(shù)據(jù)； S2：分別提取所述電流信號(hào)數(shù)據(jù)中的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征； S3：將提取的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征輸入到已訓(xùn)練完成的電弧故障檢測模型中，獲得故障檢測結(jié)果； 步驟S3中，所述電弧故障檢測模型由一維堆疊神經(jīng)網(wǎng)絡(luò)、深度特征聯(lián)合模塊以及全連接神經(jīng)網(wǎng)絡(luò)構(gòu)成； 其中，所述一維堆疊神經(jīng)網(wǎng)絡(luò)，用于進(jìn)行輸入的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征進(jìn)行進(jìn)一步的深度特征提取； 所述深度特征聯(lián)合模塊的輸入端與所述一維堆疊神經(jīng)網(wǎng)絡(luò)的輸出端連接，用于將所述一維堆疊神經(jīng)網(wǎng)絡(luò)輸出的深度特征進(jìn)行聯(lián)合，形成新的特征； 所述全連接神經(jīng)網(wǎng)絡(luò)的輸入端與所述深度特征聯(lián)合模塊的輸出端連接，依據(jù)所述深度特征聯(lián)合模塊輸出的新的特征，輸出故障檢測結(jié)果； 所述一維堆疊神經(jīng)網(wǎng)絡(luò)由一維卷積層、批量歸一化層、一維最大池化層以及全連接層構(gòu)成； 所述電弧故障檢測模型的訓(xùn)練過程如下： S301：分別采集電器負(fù)載在正常工作狀態(tài)下和串聯(lián)電弧故障狀態(tài)下的電流信號(hào)數(shù)據(jù)； S302：提取所述電流信號(hào)數(shù)據(jù)中的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征； S303：將所述時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征進(jìn)行歸一化處理后，進(jìn)行除冗處理，獲得各域的重構(gòu)特征； S304：將所述各域的重構(gòu)特征輸入到電弧故障檢測模型中進(jìn)行訓(xùn)練，獲得訓(xùn)練完成的電弧故障檢測模型； 步驟S303中，所述除冗處理，具體為： 將歸一化后的時(shí)域統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征以及小波包能量特征分別采用樹算法進(jìn)行重要度排序，選取重要度前90-95％的特征，作為各域的重構(gòu)特征；其中，選取4種不同的樹算法，對(duì)各域特征進(jìn)行重要度打分，并將各模型打分結(jié)果的綜合平均值作為最終特征重要度排序的依據(jù)，4種樹算法分別為隨機(jī)森林、梯度提升樹、極限梯度提升樹和極端隨機(jī)樹； 步驟S304中，將所述各域的重構(gòu)特征輸入到電弧故障檢測模型中進(jìn)行訓(xùn)練，獲得訓(xùn)練完成的電弧故障檢測模型，具體為： 將輸入的各域的重構(gòu)特征由一維堆疊神經(jīng)網(wǎng)絡(luò)進(jìn)行深度特征提取，獲得各域的深度特征； 將所述各域的深度特征進(jìn)行聯(lián)合，形成新的特征； 將形成的新的特征作為輸入，進(jìn)行全連接神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人沈陽航空航天大學(xué)，其通訊地址為：110136 遼寧省沈陽市道義經(jīng)濟(jì)開發(fā)區(qū)道義南大街37號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。