買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉運(yùn)達(dá)能源科技集團(tuán)股份有限公司;浙江大學(xué)申請的專利基于正常-故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法、裝置及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120408335B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202510915698.8，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)基于正常-故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法、裝置及介質(zhì)是由王琳;孟文超;陳棋;楊秦敏;張愷;孫思銘;陳積明設(shè)計(jì)研發(fā)完成，并于2025-07-03向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于正常-故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法、裝置及介質(zhì)在說明書摘要公布了：本發(fā)明屬于風(fēng)電領(lǐng)域，公開了一種基于正常?故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法、裝置及介質(zhì)，包括：對變量進(jìn)行定義；構(gòu)建特征提取器；構(gòu)建雙解碼器和故障鑒別器，通過雙解碼器來降低異常樣本的重建準(zhǔn)確度，訓(xùn)練雙解碼器以從正常樣本的隱藏特征中重建原始輸入，同時(shí)放大已確認(rèn)為故障的樣本的重建誤差，故障鑒別器采用交叉熵作為損失函數(shù)，有效區(qū)分正常和故障樣本之間的特征；設(shè)計(jì)橋接對齊模塊；設(shè)計(jì)總體訓(xùn)練流程；設(shè)計(jì)健康程度指數(shù)來評估目標(biāo)風(fēng)電機(jī)組的實(shí)時(shí)樣本的健康狀況。本發(fā)明適用于故障樣本稀少甚至沒有故障樣本的風(fēng)電場，有效解決了單個(gè)風(fēng)機(jī)的故障樣本稀缺和退化過程的模糊性的問題。

本發(fā)明授權(quán)基于正常-故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法、裝置及介質(zhì)在權(quán)利要求書中公布了：1.一種基于正常-故障狀態(tài)橋接的風(fēng)機(jī)部件健康評估方法，其特征在于，包括： 步驟1，獲取風(fēng)電機(jī)組的數(shù)據(jù)，對數(shù)據(jù)的對變量進(jìn)行定義； 步驟2，構(gòu)建特征提取器，特征提取器包括時(shí)間卷積網(wǎng)絡(luò)、通道獨(dú)立濾波器和全局-局部特征融合層； 步驟3，構(gòu)建雙解碼器和故障鑒別器，通過雙解碼器來降低異常樣本的重建準(zhǔn)確度，訓(xùn)練雙解碼器以從正常樣本的隱藏特征中重建原始輸入，同時(shí)放大已確認(rèn)為故障的樣本的重建誤差，故障鑒別器采用交叉熵作為損失函數(shù)，有效區(qū)分正常和故障樣本之間的特征； 步驟4，設(shè)計(jì)橋接對齊模塊，在特征級別明確將正常樣本、故障樣本和可疑樣本映射到連續(xù)的特征空間中；最小化可疑樣本與正常樣本、故障樣本的嵌入特征均值之間的歐式距離，促使可疑樣本分布在這正常樣本和故障樣本之間；同時(shí)，最大化正常樣本與故障樣本之間的均值間距，增強(qiáng)類別區(qū)分度； 步驟5，設(shè)計(jì)總體訓(xùn)練流程，包括： 步驟5.1，總體訓(xùn)練損失由四個(gè)分量合并：從雙解碼器導(dǎo)出的正常樣本、故障樣本和可疑樣本的重構(gòu)損失，從故障鑒別器產(chǎn)生的正常樣本和故障樣本的分類損失，可疑樣本的判別損失以及源自橋接對齊模塊的橋接對齊損失；使用小批量梯度下降方法對這個(gè)總體訓(xùn)練損失進(jìn)行優(yōu)化，并更新特征提取器、雙解碼器和故障鑒別器的參數(shù)； 步驟5.2，模型預(yù)熱 在初始訓(xùn)練階段，訓(xùn)練將可疑樣本被排除在外，側(cè)重重建正常樣本和解構(gòu)故障樣本，以及故障鑒別器直接使用分類交叉熵對正常和故障兩個(gè)樣本類別進(jìn)行處理；當(dāng)模型學(xué)會(huì)穩(wěn)定區(qū)分正常和故障樣本后，再引入可疑樣本并結(jié)合相應(yīng)的重構(gòu)損失、可疑樣本的判別損失以及橋接對齊損失，使可疑樣本的特征逐漸與正常樣本和故障樣本對齊； 步驟5.3，小批量優(yōu)化 利用小批量優(yōu)化，采用平衡抽樣方法對正常樣本、可疑樣本和故障樣本進(jìn)行抽樣，確保在每個(gè)批次中存在相等數(shù)量的三種樣本類型； 步驟6，設(shè)計(jì)健康程度指數(shù)來評估目標(biāo)風(fēng)電機(jī)組的實(shí)時(shí)樣本的健康狀況。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人運(yùn)達(dá)能源科技集團(tuán)股份有限公司;浙江大學(xué)，其通訊地址為：310006 浙江省杭州市西湖區(qū)文二路391號(hào)國際科技大廈A座17層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。