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！

龙图腾网获悉国网宁夏电力有限公司电力科学研究院申请的专利一种断路器机械故障声纹特征提取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：CN119296575B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411234208.X，技术领域涉及：G10L25/51；该发明授权一种断路器机械故障声纹特征提取方法是由严岩;周秀;田天;白金;马宇坤;戴龙成;孙尚鹏;徐玉华设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本一种断路器机械故障声纹特征提取方法在说明书摘要公布了：本发明提供了一种断路器机械故障声纹特征提取方法，属于断路器机械故障声纹技术领域，包括：采集断路器正常运行和各种机械故障状态下的声音信号；对采集的声音信号进行滤波和降噪,得到预处理声音信号,并提取异常波形段集；利用GPU的CUDA并行处理流处理预处理声音信号,CPU的输入流处理异常波形段集；对预处理声音信号进行时频域特征提取,得到第一特征矩阵；对第一特征矩阵进行聚类,得到多个聚类中心作为典型声音特征,并构建第二特征矩阵；提取异常波形段集的特征,得到第三特征矩阵,并与第二特征矩阵进行特征融合和降维；最终得到机械故障声纹特征矩阵。解决了传统的串行处理方式效率较低的技术问题。

本发明授权一种断路器机械故障声纹特征提取方法在权利要求书中公布了：1.一种断路器机械故障声纹特征提取方法，其特征在于，包括以下步骤： S10、连续采集断路器正常运行和各种机械故障状态下的声音信号； S20、对所述声音信号进行滤波和降噪，得到预处理声音信号，以及滤波、降噪过程中排除的所述声音信号波形的异常突变段，记为异常波形段集； S30、启动图形处理器GPU的并行计算平台CUDA并行处理流，接收所述预处理声音信号；启动中央处理器CPU的输入流，接收所述异常波形段集； S40、利用滑动窗口对所述预处理声音信号进行短时傅里叶变换、梅尔频率倒谱系数分析、和小波包分解，得到预处理声音信号的特征，记为第一特征矩阵； S50、对所述第一特征矩阵进行聚类，得到多个聚类中心，用于表示典型声音特征； S60、对于每一个聚类中的元素，采用所述聚类中心代替所述元素，得到第二特征矩阵； S70、从所述第二特征矩阵提取所述异常波形段集的特征，得到第三特征矩阵，以所述第二特征矩阵为基准，对齐所述第二特征矩阵和所述第三特征矩阵； S80、将所述第二特征矩阵和所述第三特征矩阵采用预设的特征融合方程组进行融合，包括时频域融合方程、能量分布融合方程、相位谱融合方程和异常特征融合方程，并采用主成分分析法降维，得到降维后的特征矩阵； S90、对降维后的特征矩阵进行标准化处理，最终得到机械故障声纹特征矩阵； 其中，所述时频域融合方程，具体表示为： 其中：Ftx,y为融合后的时频域特征；Sx,y为第二特征矩阵中的时频域特征；Tx,y为第三特征矩阵中的时频域特征；α,β,γ,δ为权重系数，通过粒子群优化算法获取；为Sx,y的二阶偏导数，用于增强边缘信息；Ax,y为异常突变段的时频特征，通过短时傅里叶变换获得； 其中，所述能量分布融合方程，具体表示为： 其中：Ef为融合后的能量分布特征；Pif为第i个特征矩阵的功率谱密度；wi为权重系数，通过熵权法计算；N为特征矩阵的数量；η为异常突变段能量的权重系数；M为异常突变段的数量；Dj为第j个异常突变段的持续时长；Tj为信号总时长；Ejf为第j个异常突变段的能量谱密度； 其中，所述相位谱融合方程，具体表示为： 其中：Φf为融合后的相位谱特征；φif为第i个特征矩阵的相位谱；vi为权重系数，通过相位一致性评估获取；k为整数，用于确保相位连续性；μ为异常突变段相位的权重系数；Aj为第j个异常突变段的突变幅度；Amax为所有异常突变段中的最大突变幅度；φjf为第j个异常突变段的相位谱； 其中，所述异常特征融合方程，具体表示为： 其中：Fat为融合后的异常特征；M为异常突变段的数量；λj为第j个异常突变段的权重系数，通过突变幅度和持续时长综合计算；tj,start和tj,end分别为第j个异常突变段的开始和结束时刻；tj,mid为第j个异常突变段的中点时刻；σj为第j个异常突变段的时间尺度参数，与持续时长相关；Aj为第j个异常突变段的突变幅度。

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宁夏电力有限公司电力科学研究院，其通讯地址为：750001 宁夏回族自治区银川市金凤区黄河东路716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”。

以上内容由龙图腾AI智能生成。