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！

龙图腾网获悉浙江赫茨电气有限公司申请的专利基于人工智能的变频器故障预测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：CN120671870B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510738205.8，技术领域涉及：G06N20/20；该发明授权基于人工智能的变频器故障预测方法及系统是由赵鑫;潘红伟设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于人工智能的变频器故障预测方法及系统在说明书摘要公布了：本申请公开了一种基于人工智能的变频器故障预测方法。该方法包括以下步骤：首先，获取变频器的多个参数分别对应传感数据集，并从多个参数中选取目标参数，进而获取历史数据中目标参数对应的多个目标数据集；其次，构建并训练集成学习模型，通过该模型计算目标参数的每一目标数据集中任意两个数据组之间的相关度，并组合成目标数据集的相关阵列；然后，分析处理每一目标数据集对应的相关阵列，计算得到每一目标数据集的多个代表向量，基于这些代表向量构建空间特征模型；最后，采集目标参数在当前时间段内的实时数据集，计算得到实时代表向量，并将其输入空间特征模型，从而获取故障预测结果。该方法能够有效提高变频器故障预测的准确性和效率。

本发明授权基于人工智能的变频器故障预测方法及系统在权利要求书中公布了：1.一种基于人工智能的变频器故障预测方法，其特征在于，所述方法包括： 基于获取变频器多个参数分别对应的历史传感数据集，并从所述多个参数中选取目标参数及所述目标参数对应的多个目标数据集；目标参数至少包括工作模式、输入和输出电压、输入和输出电流、温度、电机转速及机械振动数据； 构建并训练集成学习模型，根据集成学习模型基于所述目标参数的每一所述目标数据集计算任意两个数据组之间相关度，并将所述相关度组合成所述目标数据集的相关阵列； 通过分析处理每一所述目标数据集对应的所述相关阵列，计算每一所述目标数据集对应的多个代表向量，基于每一所述目标数据集对应的多个所述代表向量构建空间特征模型； 采集所述目标参数在当前时间段内的实时数据集，计算并根据所述实时数据集对应的实时代表向量，将实时代表向量输入所述空间特征模型，获取与实时代表向量相关度在设定范围内的目标代表向量，并根据目标代表向量对应的故障信息，获取故障预测结果； 其中，所述相关阵列的获取，包括：构建并训练所述集成学习模型，所述集成学习模型包括多个子模型，将所述目标数据集中在同一时间采集所述目标参数的数值组合作为所述数据组，将任意两个所述数据组输入集成学习模型中，通过所述集成学习模型中每一所述子模型通过不同角度推理分析输入的两个所述数据组，输出对应的推理相关度，根据每一所述推理相关度的数值分布进行加权计算两个所述数据组之间的相关度，并将所述目标数据集中任意两个所述数据组的相关度组成所述相关阵列，所述不同角度至少包括时间角度、频域角度和统计角度；其中，根据每一所述推理相关度的数值分布进行加权计算两个所述数据组之间的相关度，包括：分别计算每一推理相关度与其他模型输出的其他推理之间的差值之和，并根据每一推理相关度对应的差值之和设置权重进行加权，并将加权结果作为两个数据组之间的相关度，其中，两个数据组对应不同模型输出的推理相关度的权重之和为1，并且对应差值之和越大的推理相关度对应的权重越小； 目标数据集的代表向量的获取及空间特征模型的构建，包括：根据目标数据集对应的相关阵列和去均值阵列，获取代表阵列，并将所述代表阵列进行对角化处理，获取多个代表值，并将代表贡献性大于设定阈值的m个所述代表值对应的向量作为所述目标数据集的代表向量，并根据目标数据集中数据组对应的变频器故障信息调整m的取值；将每一代表向量映射到多维特征坐标系中，将目标数据组对应的变频器故障信息添加到对应的代表向量的位置处，获取所述空间特征模型。

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浙江赫茨电气有限公司，其通讯地址为：314500 浙江省嘉兴市桐乡市凤鸣街道高新西一路992号2幢1层；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。