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！

龙图腾网获悉三峡新能源海上风电运维江苏有限公司申请的专利基于人工智能的风机运行状态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：CN119760611B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510016522.9，技术领域涉及：G06F18/2433；该发明授权基于人工智能的风机运行状态监测方法是由单晓晖;王辉;贾亮;王锐;王志泓;周彬;李文星;张吕;王世林设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本基于人工智能的风机运行状态监测方法在说明书摘要公布了：本发明公开了基于人工智能的风机运行状态监测方法，方法包括数据采集、数据预处理、堆叠样本卷积交互网络模型构建、运行状态监测模型构建、状态异常阈值区间设计和风机运行状态监测。本发明涉及风机运行状态监测技术领域，具体是指基于人工智能的风机运行状态监测方法，本发明通过数据采集得到风机运行原始数据；采用数据清洗、数据去噪、特征选择、数据归一化和数据集分割的数据预处理方法；采用堆叠样本卷积交互网络模型进行运行状态监测，增强了模型的预测精度；采用联邦学习框架训练运行状态监测模型，有效保证数据隐私；采用基于蒙特卡罗丢弃和核密度估计的状态异常阈值区间计算方法，能够动态调整状态异常阈值区间。

本发明授权基于人工智能的风机运行状态监测方法在权利要求书中公布了：1.基于人工智能的风机运行状态监测方法，其特征在于：该方法包括以下步骤： 步骤S1：数据采集； 步骤S2：数据预处理，对采集到的风机运行原始数据进行数据清洗、数据去噪、特征选择、数据归一化和数据集分割，得到多个风机状态训练集和多个风机状态测试集； 步骤S3：堆叠样本卷积交互网络模型构建，具体为通过设计坐标注意机制和构建样本卷积交互子模块，得到堆叠样本卷积交互网络模型； 步骤S4：运行状态监测模型构建，具体为通过构建联邦学习框架，得到运行状态监测模型； 步骤S5：状态异常阈值区间设计，具体为通过蒙特卡罗丢弃设计和基于核密度估计法计算概率密度函数，得到状态异常阈值区间； 步骤S6：风机运行状态监测，具体为通过所述运行状态监测模型进行风机运行状态监测，并结合所述状态异常阈值区间，判断风机运行状态； 所述堆叠样本卷积交互网络模型构建，具体包括以下步骤： 步骤S31：设计坐标注意机制，步骤包括： 步骤S311：坐标注意力池化，具体为采用池化核为1,W的一维平均池化操作和池化核为H,1的一维平均池化操作对坐标注意机制的输入特征图进行处理，其中，表示坐标注意机制的输入特征图，C表示坐标注意机制的输入特征图的通道数，H表示坐标注意机制的输入特征图的高度，W表示坐标注意机制的输入特征图的宽度，坐标注意机制的输入特征图在每个通道的池化操作输出，计算公式如下： ； 式中，表示在第c个通道上高度h的池化操作输出，表示在第c个通道上宽度w的池化操作输出，H表示坐标注意机制的输入特征图的高度，W表示坐标注意机制的输入特征图的宽度，表示坐标注意机制的输入特征图在第c个通道上坐标h,i位置的值，表示坐标注意机制的输入特征图在第c个通道上坐标j,w位置的值； 步骤S312：坐标注意力特征融合，所用公式如下： ； 式中，表示第c个通道的坐标注意力融合特征，表示sigmoid函数，表示卷积核大小为1×1的卷积操作函数，表示拼接操作； 步骤S313：计算权值矩阵，具体为将坐标注意力融合特征沿空间维度划分为两个独立的张量，并计算权值矩阵，所述计算权值矩阵，所用公式如下： ； 式中，表示坐标注意力权值矩阵，表示坐标注意力融合特征沿高度划分的张量，表示坐标注意力融合特征沿宽度划分的张量； 步骤S314：计算坐标注意机制输出，所用公式如下： ； 式中，表示坐标注意机制输出，表示逐元素乘法； 步骤S32：构建样本卷积交互子模块，步骤包括： 步骤S321：进行奇偶抽取，具体为采用奇偶抽取将子模块的输入时间序列下采样为一个奇子序列和一个偶子序列； 步骤S322：交互学习，所用公式如下： ； 式中，表示奇子序列，表示偶子序列，表示双曲正切函数，表示卷积核大小为的一维卷积操作函数，表示卷积核大小为的一维卷积操作函数，表示Mish激活函数，表示交互学习后的奇子序列，表示交互学习后的偶子序列； 步骤S323：计算子模块输出，所用公式如下： ； 式中，表示子模块的奇子序列输出，表示子模块的偶子序列输出，表示卷积核大小为的一维卷积操作函数，表示卷积核大小为的一维卷积操作函数； 步骤S33：构建坐标注意样本卷积交互模块，具体为通过所述设计坐标注意机制和所述构建样本卷积交互子模块，进行坐标注意样本卷积交互模块的构建，得到坐标注意样本卷积交互模块； 步骤S34：构建堆叠样本卷积交互网络模型，具体为通过构建编码器结构和解码器结构，构建所述堆叠样本卷积交互网络模型，得到运行状态监测模型，所述编码器结构，具体包括多层坐标注意样本卷积交互模块和一个连接模块，所述解码器结构，具体为带有残差链接的全连接层，所述多层坐标注意样本卷积交互模块，具体为按照二叉树结构进行排列，所述连接模块，用于连接所述多层坐标注意样本卷积交互模块的输出； 步骤S35：计算模型损耗，所用公式如下： ； 式中，Loss表示模型损耗，T表示时间序列的长度，L表示多层坐标注意样本卷积交互模块的总层数，表示第l层的第t个预测值，表示第t个实际值。

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三峡新能源海上风电运维江苏有限公司，其通讯地址为：224000 江苏省盐城市盐南高新区大数据产业园B-3栋1-3F(CNK)；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。