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！

龙图腾网获悉南京航空航天大学申请的专利基于多源信息的航空变流器故障特征提取及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：CN119740195B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510255475.3，技术领域涉及：G06F18/25；该发明授权基于多源信息的航空变流器故障特征提取及诊断方法是由李金波;金果;华明壮;王勤;伍群芳;吴曰清;郑祥明设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本基于多源信息的航空变流器故障特征提取及诊断方法在说明书摘要公布了：本发明涉及航空设备故障检测技术领域，公开了基于多源信息的航空变流器故障特征提取及诊断方法，其技术方案要点是分别对时间序列数据和空间分布数据进行采集和预处理，提高数据的准确性和稳定性。再对预处理后的数据分别进行时间特征提取、空间特征提取和频谱获取及特征提取，实现多源信息的融合；整合来自不同类型传感器、不同特征域的信息，充分挖掘设备运行状态的多维度信息，从而提高故障检测的准确性和可靠性。最后对信号进行包络检测，获取信号幅值变化的包络线，分析包络的特征参数用于检测调制信号中的故障信息或脉冲型故障特征；再基于深度卷积神经网络学习包络特征与故障之间的复杂关系，实现对航空机载变流器故障的诊断。

本发明授权基于多源信息的航空变流器故障特征提取及诊断方法在权利要求书中公布了：1.基于多源信息的航空变流器故障特征提取方法，其特征在于，所述方法包括以下步骤： S1、分别对时间序列数据和空间分布数据进行采集和预处理； S2、对预处理后的数据分别进行时间特征提取、空间特征提取和频谱获取及特征提取，实现多源信息的融合； 时间序列数据预处理的步骤包括：小波分解、噪声标准差估计、阈值确定、阈值处理、小波重构； 空间分布数据预处理的步骤包括：信息熵计算、异常判定、空间插值； 时间特征提取的过程为：找出时间序列xt的所有局部极大值点和极小值点，通过三次样条插值分别得到上包络线emaxt和下包络线emint，计算上下包络线的均值将原始序列减去均值得到h1t＝xt-m1t；若h1t满足IMF条件，则它是第一个IMF分量；否则，将h1t作为新的序列重复上述过程，直到得到满足条件的IMF1t；然后，从原始序列中减去IMF1t，得到剩余序列r1t＝xt-IMF1t，对r1t重复分解步骤，依次得到IMF2t,IMF3t,…,IMFnt和残余项rnt，即 为了更准确地反映航空机载变流器多变量时间序列的内在特征，根据变流器各参数对故障影响的重要程度，为每个变量赋予权重wi，粗粒化序列zj计算为 对于粗粒化后的序列zj，计算其样本熵；给定嵌入维数n和容限r，定义向量令表示两个向量和的切比雪夫距离，即 定义为满足的k的数目与的比值，k≠j；则类似地，计算n+1维向量的Cn+1r；样本熵SampEnn,r,τ为 对于时间序列xt，其自相关函数其中是序列xt的均值； 对于时间序列xt，在计算自相关时，考虑不同延迟τ下的子序列x1＝{x1,x2,…,xN-τ}和x2＝{xτ+1,xτ+2,…,xN}；DTW算法通过寻找一条路径P＝p1,p2,…,pL，其中pl＝il,jl，使得x1和x2之间的距离最小化；路径P的约束条件为i1＝1,j1＝1,iL＝N-τ，jL＝N，且il+1≥il,jl+1≥jl；距离度量采用欧几里得距离定义DTW距离 改进后的自相关函数 对于两个时间序列xt和yt，传统互相关函数 同样引入DTW算法进行改进；对于不同延迟τ下的子序列x1＝{x1,x2,…,xN-τ}和y2＝{yτ+1,yτ+2,…,yN}，通过DTW算法找到最优路径P，计算DTW距离DTWx1,y2；改进后的互相关函数 空间特征提取的过程为：构建深度卷积神经网络对融合后的空间特征进行提取；网络结构包括多个卷积层，池化层和全连接层； 所述卷积层：使用不同大小卷积核W对输入特征图进行卷积操作；对于输入特征图F，卷积层输出特征图G的元素gi,j,k计算为gi,j,k＝∑m,n,lwm,n,lfi+m-1,j+n-1,k+l-1+b，其中wm,n,l是卷积核元素，b是偏置，fi,j,k是输入特征图元素； 所述池化层：采用最大池化，对于输入特征图G，在池化窗口s×s内，输出特征图H的元素hi,j,k＝maxm,ngi×s+m,j×s+n,k，降低数据维度同时保留关键特征； 所述全连接层：将池化后的特征图展平，通过权重矩阵Wf和偏置bf进行线性变换，再经过激活函数ReLU得到最终输出；输出层使用Softmax函数将结果映射到故障类别概率分布zi是全连接层输出，C是故障类别数；通过大量带有故障标签的空间特征数据训练网络，使网络学习到空间特征与故障之间的复杂关系，实现准确的故障定位； 基于多物理场耦合与深度学习的方法，能深入提取航空机载变流器空间特征，提高故障定位的准确性和可靠性； 频谱获取的过程为：定义每个模态函数ukt的希尔伯特变换H[ukt]，将其与ukt构成解析信号ukt+jH[ukt]，通过指数项解调至基带，得到对其求一阶导数的L2范数平方，即以此作为每个模态函数的带宽度量；构建约束变分问题为约束条件为其中K是预设的分解模态数； 通过引入二次惩罚因子α和拉格朗日乘子λt，将约束变分问题转化为无约束的增广拉格朗日函数： 采用交替方向乘子法迭代求解该增广拉格朗日函数，更新和λn+1，直至满足收敛条件； 经过VMD分解后，原始信号ft被分解为K个IMF分量ukt，每个分量具有不同的频率特性；VMD自适应地分离出不同频率成分，避免了频谱混叠等问题，为后续的频谱特征提取提供更纯净的信号分量； 频谱特征提取的过程为：采用时频原子分解旨在将信号分解为一系列具有特定时频特性的原子函数的线性组合；选择高斯厄米特时频原子函数其中An,k是归一化常数，Hnx是n阶厄米特多项式，τ表示时间中心，ω表示频率中心，σ控制时频窗口的宽度； 对于给定的信号xt，通过匹配追踪算法寻找最佳的时频原子来逼近信号；具体过程如下： 初始化残差r0t＝xt； 对于每次迭代m计算残差rm-1t与所有可能的时频原子的内积找到最大的时频原子 更新残差 经过M次迭代后，信号xt可近似表示为 基于时频原子分解结果，重新计算频谱的频率重心和带宽等特征；传统频率重心公式为在时频原子分解框架下，考虑每个时频原子对频率重心的贡献；设则改进后的频率重心为 引入基于时频原子的带宽计算方法；首先计算每个时频原子的有效带宽Δωm，可通过时频原子的频率支撑范围或相关能量分布来确定；然后，带宽B计算为

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京航空航天大学，其通讯地址为：211000 江苏省南京市秦淮区御道街29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”。