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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于自监督对比残差图网络的风力机齿轮箱状态监测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：CN120087406B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510574232.6，技术领域涉及：G06N3/042；该发明授权一种基于自监督对比残差图网络的风力机齿轮箱状态监测方法及系统是由张明明;杨万千;喻锦程;邓燕飞;秦彩燕设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种基于自监督对比残差图网络的风力机齿轮箱状态监测方法及系统在说明书摘要公布了：本发明公开了一种基于自监督对比残差图网络的风力机齿轮箱状态监测方法及系统，包括：获取原始SCADA数据，进行预处理；基于自适应特征选择方法，选择与风力机齿轮箱相关性强的数据特征；将数据特征构建为图数据样本；基于图神经网络和对比学习方法，构建对比残差图神经网络；加载用健康数据训练好的比残差图神经网络模型，将未知状态样本输入预训练模型，得到预训练模型输出结果与健康样本的预测结果进行多维空间中的距离计算，基于指数加权移动平均和归一化平均距离构建齿轮箱健康指引；基于统计过程控制技术确定故障阈值；对比齿轮箱健康指引和故障阈值的相对大小，实现在线状态监测。本发明实现了对风电机组齿轮箱运行状态的精准、高效监测。

本发明授权一种基于自监督对比残差图网络的风力机齿轮箱状态监测方法及系统在权利要求书中公布了：1.一种基于自监督对比残差图网络的风力机齿轮箱状态监测方法，其特征在于，包括如下步骤： 步骤S1，数据预处理，从风电场内装配的SCADA系统获取原始SCADA数据，并对原始SCADA数据进行预处理； 步骤S2，自适应特征选择，基于自适应特征选择方法，选择与风力机齿轮箱相关性强的数据特征； 步骤S3，图数据样本构建，将经过自适应特征选择后的数据特征构建为图数据样本； 步骤S4，模型训练，基于图神经网络和对比学习方法，构建对比残差图神经网络，用于信息挖掘和模型训练； 对比残差图神经网络模型采用自监督学习模式，设置两个编码器用于对比学习，2个编码器共享权值参数，每个编码器中包含了图卷积层、最大池化层，以及残差连接，同时采用Leaky–ReLU函数作为激活函数，其负半轴系数设为0.1；残差连接在模型中用于保障信息完整性； 模型训练过程中，用标准差为0.1的高斯随机噪声对原始样本进行掩码处理，将原始样本和掩码样本分别输入两个编码器；模型训练的目标函数基于对比损失，同时在训练过程中加入L2-正则化；目标函数计算公式为： 其中为特征表示，和分别为正、负样本，sim表示余弦相似度，为温度参数；N为样本个数，K为负样本个数，λ为L2-正则化系数，w为模型参数；使用带有Nesterov动量的随机梯度下降优化器SGD进行模型训练； 步骤S5，健康指引计算，加载用健康数据训练好的对比残差图神经网络模型，将未知状态样本输入预训练模型，得到预训练模型输出结果与健康样本的预测结果进行多维空间中的距离计算，基于指数加权移动平均和归一化平均距离构建齿轮箱健康指引； 步骤S6，故障阈值确定，基于统计过程控制方法确定故障阈值； 步骤S7，状态监测与预警，对比齿轮箱健康指引和故障阈值的相对大小，实现针对风力机齿轮箱的在线状态监测。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518071 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。