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！

龙图腾网获悉重庆大学申请的专利一种基于深度学习的多特征融合单相接地故障类型辨识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：CN114755529B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210355956.8，技术领域涉及：G01R31/08；该发明授权一种基于深度学习的多特征融合单相接地故障类型辨识方法是由范敏;夏嘉璐;刘宇彤;孟鑫余;彭屿雯;冯楚瑞设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本一种基于深度学习的多特征融合单相接地故障类型辨识方法在说明书摘要公布了：本发明公开一种基于深度学习的多特征融合单相接地故障类型辨识方法，主要步骤为：1获取现场故障录波装置采集的故障录波数据；2进行故障录波数据预处理，并对预处理后的故障录波数据进行基于HHT的时频分解，得到对应的时频信息特征；3将步骤2处理得到的故障录波数据的时频信息特征构造为初级数据集；4搭建并训练基础学习器Resnet18，提取数据集中的复杂非线性特征；5搭建并训练基础学习器LSTM，提取数据集中的时序关联特征；6将步骤4、5中学习并提取得到的复杂非线性特征和时序关联特征进行拼接融合，构造次级数据集，并结合决策树模型辨识出具体的单相接地故障类型。本发明具有良好的精确度和鲁棒性能，通用性好。适用于包括间歇性弧光接地故障和高阻接地故障在内的多种单相接地故障类型的辨识，辨识结果可为后续制定有针对性的故障处理措施提供可靠依据。

本发明授权一种基于深度学习的多特征融合单相接地故障类型辨识方法在权利要求书中公布了：1.一种基于深度学习的多特征融合单相接地故障类型辨识方法，其特征在于，主要包括以下步骤： 1获取现场故障录波装置采集的故障录波数据； 2进行故障录波数据预处理，并对预处理后的故障录波数据进行基于希尔伯特-黄变换的时频分解；3将步骤2处理得到的故障录波数据的时频信息特征构造为初级数据集； 4采用初级数据集训练基础学习器Resnet18模型，提取初级数据集中的复杂非线性特征； 5采用初级数据集训练基础学习器LSTM模型，提取初级数据集中的时序关联特征； 6将步骤4、5中学习并提取得到的复杂非线性特征和时序关联特征进行拼接，构造次级数据集； 7决策树模型训练，具体选择的决策树模型为CART模型，利用步骤6中构造的次级数据集进行训练，并采用网格搜索算法优化CART模型的超参数，以获得最优参数设置，构造次级学习器，辨识出具体的单相接地故障类型。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。