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！

龙图腾网获悉国网江苏省电力有限公司盐城供电分公司申请的专利一种面向多源模态数据融合的充电桩故障诊断方法及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：CN119670001B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411717607.1，技术领域涉及：G06F18/25；该发明授权一种面向多源模态数据融合的充电桩故障诊断方法及系统是由毛维杰;高乃天;包淑慧;陈秋玲;徐瑶;刘陈;傅文进;陈晓萌;杨成慧;陈晨设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种面向多源模态数据融合的充电桩故障诊断方法及系统在说明书摘要公布了：本发明公开了一种面向多源模态数据融合的充电桩故障诊断方法及系统，通过传感器系统采集充电设备故障关联的报文流数据、音频数据和红外传感数据。基于各模态数据特点，分别采用随机森林、卷积神经网络及YOLO‑v8目标检测模型进行故障表征和识别。根据已标注的故障数据，建立多源数据间的映射关系，并利用Dempster‑Shafer多源融合理论聚合多模态故障判定结果，精确诊断设备故障。本发明有效提升了故障诊断的准确性和故障类型的多样化呈现，减少了返修率，具备良好的工程应用前景。

本发明授权一种面向多源模态数据融合的充电桩故障诊断方法及系统在权利要求书中公布了：1.一种面向多源模态数据融合的充电桩故障诊断方法，其特征在于，所述方法包括以下步骤： 步骤1：根据充电场站收集得到充电设备故障关联的多种模态数据； 步骤2：分别对各类模态数据进行预处理，基于各类模态数据的表征特点选择模型进行训练，识别充电设备故障异常； 步骤3：根据已标注的故障异常，建立多源数据表征之间的映射关系，并更新模型参数； 步骤4：基于Dempster-Shafer多源融合理论对设备故障信息的判定结果进行聚合，精确判断设备故障信息； 其中，步骤1具体如下： 步骤1.1：由充电场站收集充电设备故障关联的报文流数据，包括充电桩的输出电流、输出电压、输出功率、充电接口温度； 步骤1.2：由充电场站收集充电设备故障关联的音，频数据，包括音频数据、传感器流数据； 步骤1.3：由充电场站收集充电设备故障关联的红外传感数据，包括红外传感图片、气体成像图片； 步骤2具体如下： 步骤2.1：对充电场站收集的报文流数据进行预处理，以提升数据质量并支持后续故障诊断，预处理包括清理无效及冗余数据，修复空值和异常值，以保证数据的一致性和准确性；通过低通滤波或卡尔曼滤波去除噪声，增强数据的稳定性；运用统计分析方法检测并剔除异常值，防止其对故障诊断造成干扰；采用插值算法或时间序列建模补全缺失数据，从而保持数据的连续性并提高分析精度； 步骤2.2：采用随机森林算法对充电桩的报文数据进行表征和模型学习，识别充电设备故障异常； 步骤2.3：采用卷积神经网络对音频数据进行表征和模型学习，识别充电设备故障异常； 步骤2.4：采用图像识别算法YOLO-v8对图像数据进行表征和模型学习，识别充电设备故障异常； 步骤3具体如下： 步骤3.1：对于报文流数据，采用机器学习中的期望最大化算法迭代实现多源数据映射技术，引入匹配图M的概念，由似然函数定义关于参数θ的一个函数： Lθ；M＝PrM|θ， 式中：PrM|θ表示实体匹配的“精确度”，它是通过评价匹配图的散度获得，每个参数θ对应一个匹配图M，通过将所有的M合并后即可得到最终整合后的匹配图M，为了最大化PrecisionM，为每个PrecisionM|θ设定一个阈值，一旦阈值确定，M的数量与匹配规则也将确定； 步骤3.2：对于音频模态数据，采用人工标识法进行属性映射，将音频模态数据包括音频波形、传感器流数据特征量进行提取，基于对映射类目所表达概念的主观判断，人工建立映射关系，在映射工具中采用树状结构显示每个类中所对应的上、下位类，并对存在类目注释的类目留有专门的区域对应显示，帮助映射者完成音频模态数据与其余模态之间的映射； 步骤3.3：对于红外传感图像数据，采用人工标识法进行属性映射，将图像模态数据包括图像数据、视频数据特征量进行提取，基于对映射类目所表达概念的主观判断，人工建立映射关系，在映射工具中采用树状结构显示每个类中所对应的上、下位类，并对存在类目注释的类目留有专门的区域对应显示，帮助映射者完成图像模态数据与其余模态之间的映射。

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国网江苏省电力有限公司盐城供电分公司，其通讯地址为：224008 江苏省盐城市解放南路189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”。

以上内容由龙图腾AI智能生成。