Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学;威海市昀尚工程技术有限公司李光明获国家专利权

山东大学;威海市昀尚工程技术有限公司李光明获国家专利权

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;威海市昀尚工程技术有限公司申请的专利基于机理数据融合的风电机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:CN120974282B

龙图腾网通过国家知识产权局官网在2025-12-30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:202511492022.9,技术领域涉及:G06F18/241;该发明授权基于机理数据融合的风电机故障诊断方法及系统是由李光明;寻焱鑫;张保震;孙静雪;张慧敏;段婷婷;孙瑞阳;李志江;陈慧琳设计研发完成,并于2025-10-20向国家知识产权局提交的专利申请。

基于机理数据融合的风电机故障诊断方法及系统在说明书摘要公布了:本发明属于风电机故障诊断技术领域。提出了一种基于机理数据融合的风电机故障诊断方法及系统,将特征序列、时序特征、残差以及差分残差进行拼接融合,得到融合特征向量;将融合特征向量线性映射至高维隐空间,将高维隐空间中的特征进行特征间的矩阵乘法运算,得到特征之间的相似度分布,经归一化后得到自适应邻接矩阵;将自适应邻接矩阵与高维隐空间中的特征再次进行特征间的矩阵乘法运算,经归一化后得到耦合特征矩阵,将自适应邻接矩阵与耦合特征矩阵相加后得到交互特征向量,根据交互特征向量得到风电机故障诊断结果。本发明实现了不同特征重要性的自适应建模,减少了因环境噪声与工况波动带来的误判。

本发明授权基于机理数据融合的风电机故障诊断方法及系统在权利要求书中公布了:1.一种基于机理数据融合的风电机故障诊断方法,其特征在于,包括以下过程: 将风电机的运行工况数据进行预处理,预处理包括滑窗处理和标准化处理,其中,原始信号的特征序列表示为: , 其中,为时间长度,为特征维度,分别代表原始信号特征序列中的信号值,代表原始信号特征序列中的第个信号值,代表实数域; 将预处理后的特征序列进行时序抽取,通过预训练的神经网络模型获取时序特征; 利用预处理后的数据构建功率机理模型,根据功率机理模型确定理论功率,计算理论功率与真实功率的残差与差分残差; 所述功率机理模型为:,其中,分别为切入风速、满发风速和切出风速,为风电机组额定功率,为空气密度,为风轮的扫掠面积,为风速,为功率系数;根据所述功率机理模型确定理论功率,包括:,其中,代表温度; 将预处理后的特征序列、时序特征、残差以及差分残差进行拼接融合,得到融合特征向量; 将融合特征向量线性映射至高维隐空间,将高维隐空间中的特征进行特征间的矩阵乘法运算,得到特征之间的相似度分布,经归一化后得到自适应邻接矩阵; 将自适应邻接矩阵与高维隐空间中的特征再次进行特征间的矩阵乘法运算,经归一化后得到耦合特征矩阵,将自适应邻接矩阵与耦合特征矩阵相加后得到交互特征向量,根据交互特征向量得到风电机故障诊断结果,包括: 交互特征向量经过线性层和层归一化处理,再依次经过多个相同的激活模块处理后,通过一个线性层得到风电机故障诊断结果,其中,激活模块包括依次设置的一个线性层和一个修正线性单元激活函数。

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;威海市昀尚工程技术有限公司,其通讯地址为:264209 山东省威海市环翠区文化西路180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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。