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！

龙图腾网获悉山东大学申请的专利基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断算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：CN120873842B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511384224.1，技术领域涉及：G06F18/243；该发明授权基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断算法是由赵彤;陈知馨;王晓龙;张远涛;孙滢;刘亚迪;亓润泽设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断算法在说明书摘要公布了：基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断算法，涉及有载分接开关故障诊断技术领域，用于提高故障诊断精度。包括：S1数据采集；S2特征提取；利用小波散射变换WST提取有载分接开关振动信号的多尺度时频特征，并结合非负张量分解模型NTF实现高维特征的低秩分解与降维表征；S3故障诊断；采用多基学习器Stacking集成框架，通过K折交叉验证生成预测矩阵；通过群体智能优化算法SRA，调整各基学习器的超参数及融合权重，并引入L2正则化抑制过拟合，最后采用带Softmax交叉熵的逻辑回归元学习器实现故障分类。本发明通过多模型自适应融合与优化的故障诊断，提升故障识别精度、稳定性及在线监测能力。

本发明授权基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断算法在权利要求书中公布了：1.基于张量特征与自适应加权Stacking集成的有载分接开关振动故障诊断方法，其特征在于，包括以下步骤： S1、数据采集； 采集有载分接开关在正常状态、齿轮卡涩、触头松动、紧固螺丝松动四种工况下的振动信号； S2、特征提取； 利用小波散射变换WST提取有载分接开关振动信号的多尺度时频特征，并结合非负张量分解模型NTF实现高维特征的低秩分解与降维表征； S3、故障诊断； 采用多基学习器Stacking集成框架，通过K折交叉验证生成预测矩阵；通过基于退火步长控制与L-BFGS-B局部精细化的群体智能优化算法SRA，调整各基学习器的超参数及融合权重，并引入L2正则化抑制过拟合，最后采用带Softmax交叉熵的逻辑回归元学习器实现故障分类； 所述方法还包括： 在Tucker分解的基础上加入非负性约束得到非负张量分解模型NTF：其中，为输入张量；为非负核心张量；为第n模的非负因子矩阵；R1、R2、R3为非负Tucker分解的秩；I1表示第1个维度，I2表示第2个维度，I3表示第3个维度；×n表示张量与矩阵的模态-n乘积； 采用M个异质基学习器包括CatBoost、随机森林RF与多层感知机MLP；采用SRA算法对基学习CatBoost、随机森林RF与多层感知机MLP的关键超参数及融合权重进行优化，设基学习器的融合权重w＝[w1，w2…wm…，wM]，wm≥0，wm表示第m个基学习器的融合权重，m＝1,2…M；对于每个候选解X＝[θ1,...,θM,w]，θM表示第M个基学习器的超参数组合，SRA算法在参数空间内进行全局搜索与局部精细化，并以K折交叉验证Macro-F1为适应度：K表示交叉验证折数，Macro-F1.即对每个类别分别计算F1-score后，再取算术平均； 该适应度作为优化目标，使SRA同时获得最优权重向量与对应的超参数组合，得到最优权重w*与最优超参数θ*；对每个样本的基模型概率进行加权得到元特征矩阵Zi：w1*，…wM*是各个基学习器最终确定的融合权重。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。