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基于振动信号的配电变压器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：CN115600088B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211266435.1，技术领域涉及：G06F18/10；该发明授权一种基于振动信号的配电变压器故障诊断方法是由高伟;邱仕达;洪翠;郭谋发设计研发完成，并于2022-10-15向国家知识产权局提交的专利申请。

本一种基于振动信号的配电变压器故障诊断方法在说明书摘要公布了：本发明涉及一种基于振动信号的配电变压器故障诊断方法，包括：获取配电变压器振动信号，并采用自适应噪声完备集合经验模态分解与希尔伯特变换相结合对配电变压器振动信号进行处理，分别求取不同频带的边际谱构造特征向量；对特征向量矩阵构造高斯函数加权的无向完全图，求取邻接矩阵，并构建多通道多连通的图卷积神经网络模型用于挖掘深层特征与故障分类；在图卷积神经网络模型中，使用带正弦函数的扰动因子改进灰狼优化算法对高斯核带宽寻优，得到最优诊断模型；通过得到的最优诊断模型对待识别对象进行故障识别。该方法有利于提高诊断精度，以及对未知类型故障进行辨识。

本发明授权一种基于振动信号的配电变压器故障诊断方法在权利要求书中公布了：1.一种基于振动信号的配电变压器故障诊断方法，其特征在于，包括： 步骤S1、采集配电变压器振动信号，并使用自适应噪声完备集合经验模态分解与希尔伯特变换相结合对配电变压器振动信号进行处理，分别求取不同频带的边际谱构造特征向量； 步骤S2、对特征向量矩阵构造高斯函数加权的无向完全图，求取邻接矩阵，并搭建多通道多连通的图卷积神经网络模型用于挖掘深层特征与故障分类； 步骤S3、在图卷积神经网络模型中，使用带正弦函数的扰动因子改进灰狼优化算法对高斯核带宽寻优，获得最优诊断模型； 步骤S4、通过得到的最优诊断模型对待识别对象进行故障识别； 对特征向量矩阵构造高斯函数加权的无向完全图，求取邻接矩阵，并构建图卷积神经网络模型用于挖掘深层特征与故障分类，包括以下步骤： 步骤S21、对边际谱信息组成的特征向量矩阵构造高斯函数加权的无向完全图，并求取邻接矩阵； 以每个样本为顶点，假设所有顶点都存在边连接但边的权重不同，边的权重由高斯函数计算，具体如下： 式中，Apq＝Aqp表示两个顶点间的连接权重，η表示高斯核带宽，Xp,Xq表示特征向量矩阵X中第p个与第q个样本的特征向量； 步骤S22、构建一个多通道和多连通的图卷积神经网络模型，即改进的GCN模型，所述改进的GCN模型使用多个独立的图卷积层gc1、gc2和gc4对每个通道进行特征提取，各通道特征融合后连接一个图卷积层gc5，输出层连接一个分类器；在前向传播网络中添加一层图卷积层gc3，用于从不同尺度提取边际谱信息，增加gc4层节点特征的多样性；最后采用交叉熵损失函数计算损失值，并使用Adam优化器更新模型参数；GCN前向传播如式13-式18所示： 模型输入层： H1＝σ[D-12A+ID-12XW1]2 模型隐藏层： H2＝σ[D-12A+ID-12H1W2+XW3]3 H4＝σ[D-12A+ID-12H2W4]4 各通道特征融合层： H5＝[H14,H24,...,Hh4]5 模型输出层： y＝[D-12A+ID-12H5W56 lg_softmax分类： 式中，A+I为加自环的邻接矩阵；I为单位矩阵；D是A+I所对应度矩阵；Wl表示第l层的权重；H5是各通道特征融合的特征；h表示通道数；σ.表示激活函数，ReLU.＝max0,.；y＝[y1,y2,...,yn]为输出层特征，维度等于类别数n；Y＝[Y1,Y2,…,Yn]为分类器输出概率值； 基于得到的最优诊断模型，采用两级分类法对待识别对象进行故障识别：第一级分类，利用最优诊断模型的最后一级输出结果计算峰值因子，若超出阈值，则判断为未知类型故障，否则进行第二级分类；在第二级分类中，使用lg_softmax识别具体的故障；具体包括以下步骤： 步骤S41、使用S3获得的最优诊断模型，计算已知类型故障样本经最优模型输出特征向量的峰值因子，并设定峰值因子的上下限； 步骤S42、在对每个未知故障样本测试时，利用最优诊断模型获得最后一层输出特征向量y,并计算其峰值因子f； 步骤S43、在第一级分类中，判断步骤S42中获得的峰值因子f是否在已知类型故障峰值因子的上下限范围内，若不在，则标识为未知类型故障；反之则进入第二级分类； 步骤S44、在第二级分类中，对模型最后一层输出特征向量y计算lg_softmax，确定具体的故障类别。

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”。