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！

龙图腾网获悉燕山大学申请的专利基于深度学习的输电线路绝缘子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：CN116739996B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310585761.7，技术领域涉及：G06T7/00；该发明授权基于深度学习的输电线路绝缘子故障诊断方法是由郭保苏;陈昊哲;吴凤和;孙迎兵;张磊;丁世琛设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本基于深度学习的输电线路绝缘子故障诊断方法在说明书摘要公布了：本发明涉及一种基于深度学习的输电线路绝缘子故障诊断方法，其包括以下步骤，步骤1：采集并处理输电线路绝缘子的图像信息和工况信息；步骤2：根据绝缘子图像数据和绝缘子工况特征矩阵数据训练绝缘子故障诊断模型；步骤3：确定输电线路绝缘子故障诊断模型的训练效果，保存训练好的模型；步骤4：将绝缘子故障诊断模型应用到输电线路绝缘子在线故障诊断。本发明提供的基于深度学习的输电线路绝缘子故障诊断方法能够准确分类不同的故障类型，大幅提升输电线路绝缘子故障诊断速度，通过集成数据预处理过程和端到端深度学习网络，实现了输电线路绝缘子的端到端故障诊断，简化故障诊断流程，并获得更高的故障诊断准确率。

本发明授权基于深度学习的输电线路绝缘子故障诊断方法在权利要求书中公布了：1.一种基于深度学习的输电线路绝缘子故障诊断方法，其特征在于，其包括以下步骤： 步骤1：采集并处理输电线路绝缘子的图像信息和工况信息； 采集输电线路绝缘子的图像信息，通过像素采样进行图像尺度调整，并进行归一化处理，获得绝缘子图像数据； 采集输电线路绝缘子的工况信息，包括绝缘子材质、输电电压、输电电流、绝缘子机械载荷、钢帽温度、绝缘子温度、环境温度和天气状况共8维度数据，将8维数据标准化，通过背景数据填充获得维度统一的绝缘子工况特征矩阵数据； 步骤2：根据绝缘子图像数据和绝缘子工况特征矩阵数据训练基于深度学习的输电线路绝缘子故障诊断模型； 根据步骤1中的绝缘子图像数据和绝缘子工况特征矩阵数据组建训练数据，将训练数据按比例划分训练数据集和验证数据集，将训练数据集传入基于深度学习的输电线路绝缘子故障诊断模型进行训练；所述基于深度学习的输电线路绝缘子故障诊断模型包括：ICN深度学习模块、ECNN深度学习模块、TSAN深度学习模块、共同注意力机制层和输出全连接层； 所述TSAN深度学习模块的关键模型结构为自注意力机制层，所述自注意力机制层表达式如下： 式中：AttentionQ，K，V表示自注意力机制函数；Q表示自注意力机制层的第一中间数据；K表示自注意力机制层的第二中间数据；V表示自注意力机制层的第三中间数据；Swish表示自注意力机制层的第一激活函数；Wi表示自注意力机制层的第一学习参数；bi表示自注意力机制层的第二学习参数；d表示自注意力机制层的第一中间数据Q和第二中间数据K的向量长度；x表示TSAN深度学习模块的自注意力机制层输入；i表示不同参数编号； 绝缘子图像数据需要输入进行特征整合的ICN深度学习模块，ICN深度学习模块的输出数据再输入ECNN深度学习模块获得绝缘子图像特征数据，绝缘子工况特征数据输入TSAN深度学习模块获得绝缘子工况语义特征数据，再将绝缘子图像特征数据和绝缘子工况语义特征数据传入共同注意力机制层，最后通过输出全连接层输出诊断结果； 所述共同注意力机制层能够实现绝缘子图像特征与绝缘子工况语义特征的融合，共同注意力机制层与模型的整个网络一同进行训练，并自动优化学习参数；所述共同注意力机制层的表达式如下： 式中：α表示共同注意力机制层的第一中间数据；U表示共同注意力机制层的第一学习参数；y表示ICN深度学习模块与ECNN深度学习模块输出；l表示共同注意力机制层的第二学习参数；β表示共同注意力机制层的第二中间数据；sigmoid表示共同注意力机制层第一激活函数；Swishb表示共同注意力机制层的第二激活函数；z表示TSAN深度学习模块的自注意力机制层输出；m表示共同注意力机制层的第四学习参数；output表示共同注意力机制层输出； 所述输出全连接层中激活函数为softmax，具体表达式如下所示： 式中：j表示全连接层神经元编号；Cj表示第j神经元的输出；ωj表示输出全连接层的第一学习参数；βj表示输出全连接层的第二学习参数；classj表示输入数据属于第j缺陷类别的概率；*表示矩阵乘法；softmax表示输出全连接层中激活函数； 步骤3：确定基于深度学习的输电线路绝缘子故障诊断模型的训练效果，保存训练好的模型； 根据步骤2中的验证数据集判断基于深度学习的输电线路绝缘子故障诊断模型的训练效果，基于深度学习的输电线路绝缘子故障诊断模型输出异常绝缘子的故障类型，当验证数据集的平均绝对误差小于0.9％时模型完成训练，保存训练好的基于深度学习的输电线路绝缘子故障诊断模型参数，所述平均绝对误差计算公式如下： 式中：Lmp表示数据集的平均绝对误差；N表示数据集batch数量；k表示batch编号；ACCk表示网络推理结果在第k个batch中的绝对准确率； 步骤4：将基于深度学习的输电线路绝缘子故障诊断模型应用到输电线路绝缘子在线故障诊断； 在线故障诊断的输入数据首先需要进行与步骤1中训练数据相同的数据预处理操作，传入基于深度学习的输电线路绝缘子故障诊断模型得到输电线路绝缘子故障类型，最终完成输电线路绝缘子故障诊断。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市河北大街西段438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”。