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！

龙图腾网获悉国网青海省电力公司;国网青海省电力公司海东供电公司申请的专利基于光声信号重构敏感场优化的变压器故障诊断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：CN119312119B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202411335024.2，技术领域涉及：G06F18/23213；该发明授权基于光声信号重构敏感场优化的变压器故障诊断方法及系统是由彭家琦;冶海平;方保民;王兴顺;马育林;李寿;艾斌;何艳娇;曹勇;赵明学;芈书亮;刘军;李云;朱明慧;罗津;者成斌;谈生磊;戴国君;郭世云;哈全德;马宁;杨寰宇;潘辉;郑洪飞;杨铭;马顺青;犹洲;朱小斌;李国威;谢婷;赵首明设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本基于光声信号重构敏感场优化的变压器故障诊断方法及系统在说明书摘要公布了：本发明公开了基于光声信号重构敏感场优化的变压器故障诊断方法及系统。具体包括：首先，通过监测变压器油样中的多种气体光声信号得到信号的多元序列矩阵；其次，通过重构敏感场的思想将多元序列矩阵以散点的形式映射在极坐标图中；之后提取浅层局部特征，且将该特征聚类成多个互斥类别，每个类别的中心作为视觉表征因子，形成视觉特征表；最后基于改进的自主学习多空间ALMMo‑0分类器实现对变压器故障诊断的分类。本发明方法将反映气体浓度的多元光声信号重构为敏感场而非以浓度阈值或比值的形式，更好地揭示信号中隐藏的诊断特征，同时实现图像的深度特征提取与编码，提高了模型的透明度和可解释性，通过数据驱动自动更新模型参数，无需手动调整超参数。该方法对于提升变压器故障诊断的准确性和实用性具有重要意义。

本发明授权基于光声信号重构敏感场优化的变压器故障诊断方法及系统在权利要求书中公布了：1.一种基于光声信号重构敏感场优化的变压器故障诊断方法，其特征在于，包括步骤如下： 步骤1：通过监测变压器油样中的多种气体光声信号，得到信号的多元序列矩阵VM N，其中，M为气体种类个数，N为序列样本长度； 步骤2：通过重构敏感场的思想，将多元序列矩阵VM N以散点的形式映射在极坐标图中，具体包括： 定义xmax和xmin分别是Vi N，i＝1,2,…,M的最大值和最小值，对于每一个时间点i，其对应的幅值为xi、滞后系数a、幅角偏移量θl、放大因子ζ，其中，l的取值范围从0到L-1，L表述总敏感场的平面数量； 通过特定重构关系公式，将多元信号矩阵中的点转换为极坐标下的表示，形成重构敏感场图像，所述重构关系如下： 极径ri表示为： 角度偏移量θi定义为： 反射角度φi定义为： 幅角偏移量θl定义为： 步骤3：提取浅层局部特征，包括SURF特征和FAST特征，并将这些特征聚类成多个互斥类别，每个类别中心的最短概率熵作为视觉表征因子，形成视觉特征向量；具体包括： S3.1使用SURF特征和FAST特征提取两个浅层特征； S3.2使用Kmeans++将两个浅层特征聚类为Kc个簇，计算每个簇的最短概率熵PG，公式如下： 其中，G为簇索引，g为第G个簇内特征点索引，Dmin为簇内特征点和聚类中心的最短距离，Dg为第g个特征点和聚类中心的距离； S3.3将每个簇的最短概率熵PG作为聚类中心的表征因子，将浅层特征编码为维度为1*Kc的特征向量； 步骤4：基于改进的自主学习多空间ALMMo-0分类器，对形成的视觉特征向量进行训练与分类，实现对变压器故障诊断的分类。

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国网青海省电力公司;国网青海省电力公司海东供电公司，其通讯地址为：810008 青海省西宁市城西区胜利路89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”。