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！

龙图腾网获悉南华大学;特变电工衡阳变压器有限公司申请的专利基于方差约束的故障识别方法、装置、设备及介质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：CN121350664B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511912897.X，技术领域涉及：G06F18/23；该发明授权基于方差约束的故障识别方法、装置、设备及介质是由柏昀旭;高菲菲;颜泽宇;杨斌;王亚军;王国富;苏钟焕;阴祖强;赵富荣;陈兴龙;邓辉明;李星桥设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本基于方差约束的故障识别方法、装置、设备及介质在说明书摘要公布了：本申请涉及故障识别技术领域，尤其涉及一种基于方差约束的故障识别方法、装置、设备及介质，包括：确定故障样本的目标簇和各目标簇间的相似度，使用目标簇关联的概率模型计算目标簇中各故障样本的第一概率向量；合并相似度大于预设值的目标簇；基于合并簇中故障样本的真实故障标签、第一概率向量和第一隶属度构建目标函数，使用初始投影函数对合并簇的故障样本进行投影，得到第一投影样本；在方差约束条件下，最小化目标函数，得到投影函数和合并簇的概率模型；方差约束条件基于第一投影样本的均值和第一投影样本之间的方差构建；在待测样本为合并簇的样本时，使用投影函数和合并簇的概率模型确定待测样本的故障类型。本方法能提高识别准确率。

本发明授权基于方差约束的故障识别方法、装置、设备及介质在权利要求书中公布了：1.一种基于方差约束的故障识别方法，其特征在于，所述方法包括： S1、确定各故障样本聚类后所属的目标簇和各所述目标簇间的相似度，使用所述目标簇关联的概率模型计算所述目标簇中各所述故障样本属于各种故障的第一概率向量； S2、将所述相似度大于预设值的所述目标簇合并为合并簇； S3、基于所述合并簇中所述故障样本的真实故障标签、所述合并簇中所述故障样本的所述第一概率向量和第一隶属度构建目标函数，并使用初始投影函数对所述合并簇中的所述故障样本进行投影，得到第一投影样本； S4、在方差约束条件下，最小化所述目标函数，得到投影函数和所述合并簇关联的概率模型；所述方差约束条件基于所述第一投影样本的均值和所述第一投影样本之间的方差构建； S5、在待测样本属于所述合并簇的样本时，使用所述投影函数和所述合并簇关联的概率模型，确定待测样本对应的故障类型； 所述故障样本包括多维故障特征，步骤S1包括： 基于所述故障样本中的多维故障特征，使用模糊C均值聚类算法对各所述故障样本进行聚类分析，得到各所述故障样本所属的目标簇； 基于各所述目标簇的聚类中心和内方差，计算各所述目标簇间的相似度； 其中，所述相似度的计算公式为： ； 表示目标簇和目标簇之间的相似度，为目标簇的聚类中心，为目标簇的聚类中心，为目标簇的内方差，为目标簇的内方差，α和β为权重系数，是聚类中心之间的最大欧氏距离，是目标簇之间方差差异的最大值； 步骤S3中的所述目标函数为： ； 其中，λ为正则化系数，ytrue为合并成合并簇的目标簇中的故障样本的真实故障标签，为目标簇中故障样本的第一概率向量，为目标簇中的故障样本的第一隶属度，x为目标簇中的故障样本的多维故障特征，Xl为目标簇中的样本集合，m为合并成合并簇的目标簇数量，W为初始投影函数中的投影矩阵，d为初始投影函数中的偏置向量，和为目标簇关联的概率模型中的模型参数，为投影矩阵W的范数平方； 所述方差约束条件的表达式为： ； 其中，为目标簇中各故障样本的第一投影样本的多维故障特征间的均值，γ为约束阈值，为目标簇中第k个故障样本的第一投影样本，为目标簇中的样本总数。

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南华大学;特变电工衡阳变压器有限公司，其通讯地址为：421001 湖南省衡阳市高新区衡州大道228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。