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！

龙图腾网获悉山东信诚同舟电力科技有限公司申请的专利基于深度学习的继电器状态预测与故障预警方法及系统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：CN120763779B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511284646.1，技术领域涉及：G06F18/2431；该发明授权基于深度学习的继电器状态预测与故障预警方法及系统是由丁希亮;仉杰;韩凯伦;韩辉;孙玉杨;张奕设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本基于深度学习的继电器状态预测与故障预警方法及系统在说明书摘要公布了：本发明的基于深度学习的继电器状态预测与故障预警方法及系统，方法包括：S1：基于继电器物理模型构建生成对抗网络的约束条件，通过对抗训练形成符合物理规律的增强型故障波形信号；S2：接收实时电流电压信号与机械振动信号，使用时序卷积网络提取电信号特征向量；S3：将联合特征张量输入轻量级评估模型，输出健康度评分信号；S4：响应元学习激活指令，加载设备历史数据构建参数优化集，基于元学习框架对预警模型进行在线微调，生成故障判定参数；S5：根据微调后的判定参数分析实时信号特征，输出分级预警信号至监控终端。本发明可以解决小样本故障数据下继电器早期状态预测与精准预警的问题。

本发明授权基于深度学习的继电器状态预测与故障预警方法及系统在权利要求书中公布了：1.基于深度学习的继电器状态预测与故障预警方法，其特征在于，包括： S1：基于继电器物理模型构建生成对抗网络的约束条件，通过对抗训练形成符合物理规律的增强型故障波形信号； S2:接收实时电流电压信号与机械振动信号，使用时序卷积网络提取电信号特征向量，同时通过机械特征提取网络生成机械特征向量，采用自适应注意力机制对两类特征向量进行动态融合，形成联合特征张量；所述S2中：时序卷积网络采用膨胀卷积结构提取电流电压信号的深层时序依赖特征，机械特征提取网络通过残差连接模块捕获振动信号的频域突变模式，自适应注意力机制通过计算电信号特征向量与机械特征向量的时空关联度生成动态权重系数，最终形成的联合特征张量包含加权融合后的多维状态表征向量； S3：将所述联合特征张量输入轻量级评估模型，输出健康度评分信号，当该评分信号首次低于预设阈值时生成元学习激活指令；所述S3中：轻量级评估模型采用多头自注意力机制构建特征交互模块，通过对联合特征张量进行时序切片处理并计算各切片健康度得分，再通过滑动加权平均生成最终健康度评分信号，当连续三个采样周期的评分信号波动幅度超过预设容差范围且均值低于阈值时，触发元学习激活指令； S4:响应所述元学习激活指令，加载设备历史数据构建参数优化集，基于元学习框架对预警模型进行在线微调，生成设备定制化的故障判定参数；所述S4中：设备历史数据构建参数优化集时，优先筛选与当前健康度评分信号下降模式相似的历史运行片段，元学习框架通过构建双梯度更新回路，在内部回路中基于历史片段模拟故障演进过程生成快速适配参数，在外部回路中利用实时信号验证参数有效性并输出设备定制化的故障判定参数； S5：根据微调后的判定参数分析实时信号特征，当识别到触点异常特征或线圈退化趋势时，输出分级预警信号至监控终端。

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信诚同舟电力科技有限公司，其通讯地址为：250101 山东省济南市中国(山东)自由贸易试验区济南片区经十路汉峪金谷A6-4栋13层1304；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。