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！

龙图腾网获悉南京正锐电力科技有限公司申请的专利用于开关柜的氦检漏方法和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：CN118882947B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411382069.5，技术领域涉及：G01M3/22；该发明授权用于开关柜的氦检漏方法和系统是由汪春来;胡景琼;可亮亮;万倩;谭永涛设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本用于开关柜的氦检漏方法和系统在说明书摘要公布了：本发明公开了一种用于开关柜的氦检漏方法和系统，包括以下步骤：对原始数据进行自适应多分辨率分解、异常检测和非线性流形对齐，提取动态特征；应用自适应张量分解和多尺度因果网络分析，构建融合后的多模态表示；进行非线性动力学系统重构和持续性同调分析，提取时空特征；构建多层图结构并应用动态图谱嵌入算法，生成图拓扑异常检测结果；构建多目标优化框架和动态参数调整策略，生成优化后的异常检测结果。本方法通过多尺度分析、非线性建模和动态优化，实现了开关柜氦检漏的高精度、高效率和自适应检测，提高了检测的准确性和可靠性。

本发明授权用于开关柜的氦检漏方法和系统在权利要求书中公布了：1.用于开关柜的氦检漏方法，其特征在于，包括如下步骤： 步骤S1、从传感器实时获取原始数据，将原始数据组织成N维原始数据张量，对原始数据张量应用自适应多分辨率分解算法，得到分解数据张量；基于分解数据张量构建持续性图并计算持续性同调，进行异常检测和修复，生成清洗后的数据张量；对清洗后的数据张量进行非线性流形对齐，得到对齐后的数据张量，从对齐后的数据张量中提取动态特征，生成动态特征矩阵；N为大于1的自然数； 步骤S2、获取对齐后的数据张量并对其应用自适应张量分解算法，得到低维表示；基于低维表示构建多尺度因果网络，生成多尺度因果邻接矩阵；利用多尺度因果邻接矩阵和动态特征矩阵构建时变信息流网络；基于低维表示、多尺度因果邻接矩阵和时变信息流网络，构建融合后的多模态表示； 步骤S3、读取融合后的多模态表示，对多模态表示中的低维表示进行非线性动力学系统重构，得到相空间轨迹；基于相空间轨迹计算持续性同调，生成持续性图；从相空间轨迹和持续性图中提取动态模式，得到模式矩阵；将相空间轨迹、持续性图和模式矩阵组合成时空特征表示； 步骤S4、读取并基于融合后的多模态表示和时空特征表示，构建多层图结构，对多层图结构应用动态图谱嵌入算法，得到节点低维表示，基于节点低维表示计算局部和全局拓扑特征，构建异常检测指标；将多层图结构、节点低维表示和异常检测指标组合成图拓扑异常检测结果； 步骤S5、读取图拓扑异常检测结果并构建关键参数集合和多目标优化框架，得到非支配解集，基于非支配解集构建动态参数调整策略，生成时变最优参数集；将图拓扑异常检测结果和时变最优参数集组合成优化后的异常检测结果； 步骤S2具体为： 步骤S21、读取对齐后的数据张量和动态特征矩阵；初始化分解秩参数；对数据张量应用Tucker分解，得到核张量和因子矩阵；计算Tucker重构误差；对数据张量应用CP分解，得到因子矩阵；计算CP重构误差，比较两种分解方法的误差，选择误差较小的方法；基于选定的分解方法重构数据，得到低维表示；将低维表示重塑为低维数据张量； 步骤S22、读取低维数据张量；构建时间尺度集合；对低维数据张量中每对传感器信号，在每个时间尺度上计算多尺度格兰杰因果关系；对低维数据张量在每个尺度上进行小波变换，得到小波系数；构建向量自回归模型；计算F统计量；计算多尺度因果强度；将所有多尺度因果强度组织成多尺度因果邻接矩阵； 步骤S23、读取多尺度因果邻接矩阵和动态特征矩阵；对动态特征矩阵中每对传感器信号，在每个时间点计算条件熵；使用核密度估计方法从动态特征矩阵中估计概率；计算信息流量；构建时变信息流网络，将传感器作为节点，信息流量作为边权重；对时变信息流网络应用社区检测算法，识别动态社区结构；计算时变信息流网络中每个节点的中心性指标；将时变信息流网络表示为邻接矩阵和节点属性矩阵的组合；将低维数据张量、多尺度因果邻接矩阵和时变信息流网络组合成融合后的多模态表示； 步骤S3具体为： 步骤S31、读取融合后的多模态表示中的低维数据张量；对低维数据张量中每个传感器分量计算互信息函数；选择使互信息函数首次达到局部最小值的时间延迟作为最优时间延迟；使用错误预测法估计最优嵌入维度；构造候选嵌入向量；对每个候选嵌入维度，使用k近邻法预测未来值，计算预测误差；当预测误差不再显著下降时，将该维度作为最优嵌入维度；使用最优时间延迟和最优嵌入维度构建相空间轨迹；对低维数据张量中所有传感器分量重复此过程，得到完整的相空间轨迹； 步骤S32、读取完整的相空间轨迹；对相空间轨迹应用滑动窗口，得到时间序列集合；对时间序列集合中每个时间序列构建Vietoris-Rips复形；计算复形的多维持续性同调，得到持续性图；将所有窗口的持续性图组合成时变持续性图；计算时变持续性图的统计特征，包括持续性熵和Betti数曲线；定义拓扑复杂度度量；将时变持续性图和拓扑复杂度度量组合成拓扑特征表示； 步骤S33、读取完整的相空间轨迹和拓扑特征表示；对相空间轨迹应用连续小波变换；计算小波能量谱；在小波能量谱中识别显著峰值，得到候选模式集；对候选模式集中每个候选模式，计算其持续时间和能量；定义模式重要性指标；根据模式重要性指标对候选模式进行排序，选择主要动态模式；对每个选定的主要动态模式，提取其时间-频率特征和形状特征；将提取的特征与相应时间段的拓扑特征结合，形成模式描述符；将所有模式描述符组织成模式矩阵；将相空间轨迹、时变持续性图和模式矩阵组合成时空特征表示； 步骤S4具体为： 步骤S41、读取融合后的多模态表示和时空特征表示；定义图层集合，每层表示不同的相互作用类型或尺度；对图层集合中每一层，构建节点集，包括传感器节点和由时空特征表示中的动态模式生成的虚拟节点；构建边集，基于低维数据张量中的相似性、多尺度因果邻接矩阵中的因果关系和时变信息流网络中的信息流量；定义节点属性集，包括低维数据张量中的特征、相空间轨迹中的动力学特征和时变持续性图中的拓扑特征；计算层间耦合强度；构建层间边集，连接不同层中表示相同实体或高度相关的节点；将所有层的信息整合，形成多层图结构； 步骤S42、读取多层图结构；初始化节点嵌入矩阵；定义层内损失函数，基于每层的邻接矩阵；定义层间损失函数，基于层间耦合强度；定义属性保持损失函数，基于节点属性集；构建总体目标函数，结合层内损失、层间损失和属性保持损失；使用随机梯度下降法优化总体目标函数；更新节点嵌入矩阵，直到目标函数收敛或达到最大迭代次数；输出最终的节点嵌入； 步骤S43、读取节点嵌入和多层图结构；对多层图结构中每个节点，计算局部拓扑特征；提取节点的k跳邻域；计算局部聚类系数；计算局部异配性系数；计算局部页面秩；组合这些特征得到局部拓扑特征；计算全局拓扑特征；对节点嵌入应用谱聚类算法，得到节点的社区归属；计算节点的中心性指标，包括特征向量中心性和介数中心性；计算节点的结构角色；组合这些特征得到全局拓扑特征；定义异常分数，结合局部和全局拓扑特征；将多层图结构、节点嵌入和异常分数组合成图拓扑异常检测结果。

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南京正锐电力科技有限公司，其通讯地址为：211299 江苏省南京市溧水区经济开发区秦淮北路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”。