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！

龙图腾网获悉福州大学申请的专利一种风力发电机故障诊断方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：CN115204234B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210869189.2，技术领域涉及：G06F18/213；该发明授权一种风力发电机故障诊断方法是由姚立纲;蔡宇翔;王振亚设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本一种风力发电机故障诊断方法在说明书摘要公布了：本发明提供一种风力发电机故障诊断方法，具体涉及一种早期停止优化集合扩张卷积神经网络ESO‑EDCNN的风力发电机故障诊断方法。包括如下步骤：首先，利用加速度传感器采集风力发电机不同工作状态下的振动信号，将所采集的信号随机打乱，分为训练集和测试集。然后训练集被分为训练子集和验证子集，分别被用来训练和验证ESO‑EDCNN模型。最后，将测试集输入训练好的模型中，实现风力发电机智能故障诊断。本发明克服了单一诊断模型可靠性低，准确率低等问题，并解决了现有深度学习模型训练时间冗长且容易过拟合等难题。风力发电机故障诊断实验结果表明所提方法能够准确识别出多种单一复合故障类型，具有很大的实用价值。

本发明授权一种风力发电机故障诊断方法在权利要求书中公布了：1.一种风力发电机故障诊断方法，其特征在于包括以下步骤： 步骤1：利用加速度传感器采集风力发电机在正常、单一故障和复合故障的振动加速度信号； 步骤2：将各个状态下所收集的信号样本集随机打乱，划分为训练集和测试集； 步骤3：将训练集分为训练子集和验证子集，用于训练和验证所提ESO-EDCNN模型； 步骤4：将测试集输入至所训练好ESO-EDCNN模型中，输出故障诊断结果； 步骤3中ESO-EDCNN算法过程如下 EDCNN算法由多个子分类器所组成；每个子分类器拥有不同扩张卷积核；每个子分类器又由三个堆叠的特征提取器和一个分类器所组成； 三层的全连接神经网络作为诊断模型的分类器，将特征图的转化为故障决策；而每一个特征提取器都包含卷积计算、激活计算、归一化计算和池化计算；无需对原始数据进行预处理，直接将所收集的振动信号作为模型输出；卷积计算、激活计算、归一化计算和池化计算原理如下： 式中，是第n层卷积层的第j个元素，Mj表示输入信号的卷积区域；i表示为卷积核和权重矩阵内的位置，是Mj前一层的输入，和是卷积核的权重矩阵和偏置；激活函数选用线性整流函数ReLU或指数线性单位ELU非线性函数； 池化计算表示为： 式中，是第l层位于i,j的第k个元素的池化计算数值，是i,j内的池化区域，是池化区域m,n内的输入节点；池化形式选用平均池化或最大池化； 早期停止优化ESO过程如下： 每次迭代过程中，当验证子集的损失函数减小时，模型就会被保存；当模型的评估指标不再提高，并且迭代次数在提前停止优化范围内时，停止训练过程；早期停止优化评价标准表达式为： 其中，t为迭代次数，Lobtt为得到的验证子集的损失函数，Lvat'为t'时刻对应的验证子集损失函数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。