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！

龙图腾网获悉山东零公里润滑科技有限公司申请的专利一种风电系统冷却液成分劣化评估方法及装置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：CN120579037B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511080194.5，技术领域涉及：G06F18/241；该发明授权一种风电系统冷却液成分劣化评估方法及装置是由王玉萍;陆涛设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种风电系统冷却液成分劣化评估方法及装置在说明书摘要公布了：本申请涉及数据处理与智能监测领域，尤其涉及一种风电系统冷却液成分劣化评估方法及装置；方法应用于成分劣化评估系统，成分劣化评估系统包括多个传感器；方法包括：接收多个传感器所发送的关于冷却液成分的多种劣化影响因素特征中，各种劣化影响因素特征所分别对应的目标特征时序数据；劣化影响因素特征包括发电机轴承的温度特征、齿轮箱的振动特征和机舱的外部环境风速特征；根据多个目标特征时序数据，通过预训练的冷却液成分劣化评估模型确定对应于目标特征时序数据的冷却液成分劣化评估结果；本申请能够解决现有技术无法对冷却液成分的劣化程度进行及时并且准确的评价的技术手段的技术问题。

本发明授权一种风电系统冷却液成分劣化评估方法及装置在权利要求书中公布了：1.一种风电系统冷却液成分劣化评估方法，其特征在于，应用于成分劣化评估系统，所述成分劣化评估系统包括多个传感器，所述多个传感器分别设置在风电系统中的发电机轴承、齿轮箱和机舱；所述方法包括： 接收所述多个传感器所发送的关于冷却液成分的多种劣化影响因素特征中，各种所述劣化影响因素特征所分别对应的目标特征时序数据； 其中，所述劣化影响因素特征指示所述冷却液成分的劣化程度的影响因素的特征；所述劣化影响因素特征包括所述发电机轴承的温度特征、所述齿轮箱的振动特征和所述机舱的外部环境风速特征； 根据多个所述目标特征时序数据，通过预训练的冷却液成分劣化评估模型确定对应于所述目标特征时序数据的冷却液成分劣化评估结果； 所述冷却液成分劣化评估模型的训练过程，包括： 通过所述传感器采集关于多种所述劣化影响因素特征的样本特征时序数据； 将多个所述样本特征时序数据进行关联融合处理，以得到样本关联融合特征矩阵； 针对所述样本关联融合特征矩阵进行劣化特征增强处理，以得到样本增强特征矩阵； 通过所述样本增强特征矩阵对所述冷却液成分劣化评估模型进行训练； 所述冷却液成分劣化评估模型包括卷积模块、特征分解模块和决策模块，所述卷积模块包括图卷积网络和时序卷积网络； 在通过所述样本增强特征矩阵对所述冷却液成分劣化评估模型进行迭代训练的当前训练过程中，将所述样本增强特征矩阵输入至所述卷积模块，通过所述卷积模块，根据所述样本增强特征矩阵和关于所述样本增强特征矩阵的图权重矩阵的转置，确定样本动态邻接矩阵； 将所述样本动态邻接矩阵输入至所述图卷积网络，通过所述图卷积网络对所述样本动态邻接矩阵进行特征提取，以得到样本空间特征矩阵； 将所述样本动态邻接矩阵输入至所述时序卷积网络，通过所述时序卷积网络对所述样本动态邻接矩阵进行特征提取，以得到样本时序特征矩阵； 通过所述图卷积网络，根据所述样本空间特征矩阵和所述样本时序特征矩阵，确定关于所述样本空间特征矩阵和所述样本时序特征矩阵的样本特征权重矩阵； 根据所述样本空间特征矩阵、所述样本时序特征矩阵和所述样本特征权重矩阵，确定样本时空特征矩阵； 通过所述特征分解模块，根据所述样本时序特征矩阵所对应的采样时刻的总数量，确定样本尺度分量； 针对所述样本时序特征矩阵中对应于采样时刻的向量，通过所述特征分解模块，根据所述采样时刻、相邻两个所述采样时刻之间的采样间隔时长，确定所述样本时序特征矩阵所对应的样本时间平移因子； 针对各个所述样本尺度分量，通过所述特征分解模块根据所述样本时空特征矩阵、所述样本尺度分量、对应于各个所述采样时刻的所述样本时间平移因子，确定各个所述样本尺度分量所分别对应的样本小波系数矩阵； 通过所述特征分解模块，根据各个所述样本尺度分量所分别对应的样本小波系数矩阵中的对应于采样时刻的样本小波系数，确定各个所述样本尺度分量所分别对应的样本信息熵； 通过所述特征分解模块，根据所述各个所述样本尺度分量所分别对应的样本信息熵确定所有所述样本尺度分量所对应的样本解耦劣化特征矩阵； 所述决策模块包括具有Dropout功能的分类网络，所述Dropout功能为在所述冷却液成分劣化评估模型的过程中，随机屏蔽神经元，以使被屏蔽的所述神经元不参与所述当前训练过程； 通过所述分类网络，根据预设的Dropout率对所述样本解耦劣化特征矩阵进行多次特征分类处理以得到多个样本类别概率向量； 通过所述分类网络，根据所述多个样本类别概率向量和类别标签的总数量，确定各个所述类别标签所分别对应的样本概率质量值和所有所述类别标签所对应的样本全局质量值； 根据各个所述类别标签所分别对应的所述样本概率质量值和所有所述类别标签所对应的所述样本全局质量值，确定各个所述类别标签所分别对应的样本校准概率； 其中，所述样本校准概率用于确定是否结束对所述冷却液成分劣化评估模型的迭代训练过程。

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山东零公里润滑科技有限公司，其通讯地址为：250000 山东省济南市天桥区德兴路588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。