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！

龙图腾网获悉湖南科技大学三亚研究院申请的专利基于声音特征识别的变压器运行异常监测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：CN118887972B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202410865784.8，技术领域涉及：G10L25/51；该发明授权基于声音特征识别的变压器运行异常监测方法是由陈祖国;申玲燕;陈超洋;黄毅;李沛设计研发完成，并于2024-07-01向国家知识产权局提交的专利申请。

本基于声音特征识别的变压器运行异常监测方法在说明书摘要公布了：本发明提出了一种基于声音特征识别的变压器运行异常监测方法，包括步骤1：构建基于声音数据的数据集和并利用格拉姆角场处理转换声音信号至图像数据；步骤2：利用MobileNetV3深度学习模型对步骤1得到的图像数据进行训练；步骤3：利用训练好的MobileNetV3模型进行实时声音监测，并对变压器异常状态进行检测和诊断。通过这种创新的处理和分析方式，可以在保证准确性的同时，有效地提高噪声检测的速度和效率。此外，这种方法也可实现对各种不同类型的环境噪声的准确识别，进一步提高了环境噪声监测的广泛适用性。

本发明授权基于声音特征识别的变压器运行异常监测方法在权利要求书中公布了：1.一种基于声音特征识别的变压器运行异常监测方法，其特征在于，包括以下步骤， 步骤1：构建基于声音数据的数据集和并利用格拉姆角场处理转换声音信号至图像数据； 步骤2：利用MobileNetV3深度学习模型对步骤1得到的图像数据进行训练；所述步骤2包括： 步骤21：把格拉姆图像的训练集和验证集分别进行随机反转和标准化预处理； 步骤22：构建MobileNetV3网络模型结构；所述步骤22中的mobilenetv3网络模型包括： 输入模块，所述输入模块配置为接收图像数据； 卷积模块，与所述输入模块连接并配置为对接收的图像数据进行卷积计算； 分离卷积模块，与卷积模块连接，所述分离卷积模块包括深度卷积和逐点卷积，用于减少计算量和内存消耗； 压缩激励模块，与分离卷积模块连接，并配置为通过全局平均池化和两个全连接层学习每个通道的权重，自适应调整特征通道的重要性； 平均池化模块，连接至压缩激励模块，并配置为在特征提取阶段的末端降低特征图的尺寸； 全连接层模块，与平均池化模块连接，并配置为将提取的特征映射至最终的类别或标签数量； 步骤23：将已预处理的数据集输入MobileNetV3网络模型中得到网络权重；所述步骤23包括以下步骤： 步骤231：将训练集批量输入MobileNetV3网络模型，对优化器内部的所有权重进行梯度值清零操作； 步骤232：对网络模型的实际输出与目标标签进行差距计算，通过交叉熵损失函数计算得出网络损失，网络损失计算公式如下： ， 其中：loss表示损失函数；x表示网络的实际输出对应每一个类别的概率，class本张图像为真实类别的概率； 步骤233：对损失函数进行反向传播，计算需要进行梯度计算的所有权重的梯度，并进行累积，梯度累计计算公式如下： ， 其中：x.grad是变量x的梯度； 步骤234：使用Adam优化器对变量x值进行更新； 步骤235：对此轮训练的MobileNetV3网络模型进行验证，输入验证集进行预测，并计算预测结果的准确率，经过多轮训练，保存得到最佳准确率的模型权重； 步骤3：利用训练好的MobileNetV3模型进行实时声音监测，并对变压器异常状态进行检测和诊断。

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湖南科技大学三亚研究院，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城深海装备产业园二期7栋；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。