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！

龙图腾网获悉华北电力大学(保定);中国电力科学研究院有限公司申请的专利一种基于神经监督决策树的GIS局部放电缺陷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：CN116452542B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310419879.2，技术领域涉及：G06T7/00；该发明授权一种基于神经监督决策树的GIS局部放电缺陷诊断方法是由范晓舟;刘云鹏;闫泽玉;杨洋设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于神经监督决策树的GIS局部放电缺陷诊断方法在说明书摘要公布了：本发明公开了一种基于神经监督决策树的GIS局部放电缺陷诊断方法，涉及电力设备绝缘状态诊断技术领域，包括以下步骤：基于AGNES算法进行凝聚层次聚类，构建决策树结构，作为诱导层对CNN神经网络的最终线性全连接层进行替换，并将CNN神经网络的输出向量作为监督层，对诱导层的输出进行监督修正，构建改进CNN神经网络；通过采集GIS的局部放电相位分布图谱，作为数据集，对改进CNN神经网络进行训练，构建神经网络模型，用于识别目标GIS是否存在局部放电缺陷；本发明解决了可解释缺陷识别算法准确率低、现场检修人员信任度低、深度识别黑盒问题，实现GIS局部放电高准确率下的可解释故障诊断。

本发明授权一种基于神经监督决策树的GIS局部放电缺陷诊断方法在权利要求书中公布了：1.一种基于神经监督决策树的GIS局部放电缺陷诊断方法，其特征在于，包括以下步骤： 基于AGNES算法进行凝聚层次聚类，构建决策树结构，作为诱导层对CNN神经网络的最终线性全连接层进行替换，并将所述CNN神经网络的输出向量作为监督层，对所述诱导层的输出进行监督修正，构建改进CNN神经网络； 通过采集GIS的局部放电相位分布图谱，作为数据集，对所述改进CNN神经网络进行训练，构建神经网络模型，用于识别目标GIS是否存在局部放电缺陷； 在生成诱导层的过程中，将所述局部放电相位分布图谱，输入到所述CNN神经网络后，将所述最终线性全连接层的权重矩阵划分为叶子节点； 根据所述叶子节点的代表向量，依据AGNES算法，将所述叶子节点构建成所述决策树结构，生成所述诱导层； 在生成诱导层的过程中，在考虑决策树路径损失的前提下，通过损失函数，对所述CNN神经网络进行调整，用于优化调整决策树的内部节点，并确定最终的代表向量，其中，所述损失函数表示为： 其中，l为总目标损失，lossyi为叶子结点损失，lossyk为内部节点损失，即路径损失；N表示缺陷数，M表示除根节点外节点数；βt与ωt为变权重调整系数，在重训练过程中βt随迭代次数增加而减小，ωt随迭代次数增加而增大； 最终的代表向量表示为： 式中，i为叶子节点，k为内部节点，j为子结点，wi表示最终线性层权重矩阵，ni表示叶子节点代表向量，nk表示内部节点代表向量，nj表示子节点代表向量，Ki表示节点i的子结点集； 在对诱导层的输出进行监督修正的过程前，在诱导层通过改进softmax函数概率化，累乘得到叶子节点概率，选最大值作为类标签识别值，作为所述诱导层的输出，其中，所述改进softmax函数表示为： 式中，λ为相对提升系数，e为自然底数； 所述诱导层的输出表示为： pj＝pj|k＝softmaxyj，j∈Kyi＝ni，x,i∈[1,M]式中，x表示特征向量，节点j为节点k的子节点； 在对诱导层的输出进行监督修正的过程中，基于所述CNN神经网络的输出向量，对所述诱导层的输出进行监督，获取准确率小于所述CNN神经网络的输出向量的所述诱导层的输出，作为修正目标，其中，监督的过程表示为： v×Gdi,lCNNiGdi,lDTi式中，v为阈值系数，G为诱导层节点输出矩阵，d为神经网络输出结果与诱导层输出结果相异的样本索引向量，lCNN与lDT表示索引向量对应的样本的标签识别结果基于所述修正目标，通过采用阈值审查的形式进行修正，其中，修正的过程表示为： Gdi,lDTi＝v×Gdi,lCNNi。

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华北电力大学(保定);中国电力科学研究院有限公司，其通讯地址为：071000 河北省保定市莲池区永华北大街619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”。