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！

龙图腾网获悉国网山东省电力公司枣庄供电公司申请的专利一种隔离开关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：CN115293208B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210949721.1，技术领域涉及：G06F18/2411；该发明授权一种隔离开关故障诊断方法及系统是由田鹏;张建华;吕妍;吕学宾;孙忠凯;朱宜东设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本一种隔离开关故障诊断方法及系统在说明书摘要公布了：本发明属于隔离开关机械故障诊断领域，提供了一种隔离开关故障诊断方法及系统。其中，该方法包括获取隔离开关的实时振动信号，并对其依次进行奇异值滤波降噪及混合模态分解处理，提取特征向量；根据所述特征向量及基于SVM分类器的深度加权融合模型，对隔离开关进行故障诊断；其中，所述基于SVM分类器的深度加权融合模型的构建过程为：根据隔离开关振动信号的特征向量及初始核函数为高斯核的线性支持向量机，得到初始弱SVM分类器；通过深度融合加权算法及优化分配隔离开关振动信号样本的权重来迭代优初始弱SVM分类器，获得满足预设条件的SVM分类器并作为基于SVM分类器的深度加权融合模型。

本发明授权一种隔离开关故障诊断方法及系统在权利要求书中公布了：1.一种隔离开关故障诊断方法，其特征在于，包括： 获取隔离开关的实时振动信号，并对其依次进行奇异值滤波降噪及混合模态分解处理，提取特征向量； 根据所述特征向量及基于SVM分类器的深度加权融合模型，对隔离开关进行故障诊断； 其中，所述基于SVM分类器的深度加权融合模型的构建过程为： 根据隔离开关振动信号的特征向量及初始核函数为高斯核的线性支持向量机，得到初始弱SVM分类器； 通过深度融合加权算法及优化分配隔离开关振动信号样本的权重来迭代优初始弱SVM分类器，获得满足预设条件的强SVM分类器并作为基于SVM分类器的深度加权融合模型； 其中，隔离开关的故障诊断结果包括正常工况、螺丝松动状态和连杆卡涩状态； 其中，在优化分配隔离开关振动信号样本的权重的过程中，优化权重更新策略调整后划样本分为以下四类： a被前一轮强分类器正确分类，且被本轮强分类器错误分类的样本； b被前一轮强分类器正确分类，且被本轮强分类器正确分类的样本； c被前一轮强分类器错误分类，且被本轮强分类器错误分类的样本； d被前一轮强分类器错误分类，且被本轮强分类器正确分类的样本； 深度融合加权算法的损失函数近似化为最大化且非标准化的间隔均值和最小化且非标准化间隔分布的方差相关的函数： ； 其中，表示非标准化样本损失间隔的方差；表示非标准化样本损失间隔的均值； 借用损失函数将样本进行标准化间隔建模，其统计学定义如下： ； 其中，T表示非标准化样本损失间隔的总个数；表示第t个非标准化样本损失间隔所对应的基本分类器；损失间隔反映每个样本被基本分类器分类的情况，大于零表示基本分类器对样本正确分类的数量大于错误分类的数量； 深度融合加权算法通过调整样本损失的间隔，使得样本间隔向大于0的方向移动，从而不断降低样本的错误率；随着DFW算法的迭代，不断提高间隔增量为负的样本数目，从而当前分类器更关注前一轮被错误分类的样本，使得训练样本的间隔不断正向移动，采用损失间隔衡量当前算法对于各分类样本的权重分配。

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山东省电力公司枣庄供电公司，其通讯地址为：277880 山东省枣庄市新城区黄河路999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。