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！

龙图腾网获悉国网江苏省电力有限公司南京供电分公司申请的专利一种基于卷积原型网络的断路器故障诊断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：CN115905972B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211288752.3，技术领域涉及：G06F18/2415；该发明授权一种基于卷积原型网络的断路器故障诊断方法及系统是由陈昊;沙浩源;王东;李大雷;叶昱媛;陈玮光;黄祖荣;佘昌佳;孙子昌;吴晓欣设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本一种基于卷积原型网络的断路器故障诊断方法及系统在说明书摘要公布了：一种基于卷积原型网络的断路器故障诊断方法及系统，方法包括：采集断路器故障数据，并对断路器故障数据进行预处理，得到断路器故障数据训练样本集；构建卷积原型网络的断路器故障诊断模型，输入训练样本集对模型进行训练；以各类型的原型样本点为聚类中心，将样本特征空间距离作为卷积特征自提取网络的优化目标，以有效改善故障样本特征的类内聚集性及类间的分散性，提高模型对样本类型的分类准确度；将断路器故障数据样本集输入训练过的卷积原型网络的断路器故障诊断模型，得到故障诊断结果。

本发明授权一种基于卷积原型网络的断路器故障诊断方法及系统在权利要求书中公布了：1.一种基于卷积原型网络的断路器故障诊断方法，其特征在于，包括以下步骤： 步骤1，采集断路器故障数据，并对断路器故障数据进行预处理，得到断路器故障数据训练样本集； 步骤2，构建卷积原型网络的断路器故障诊断模型，输入训练样本集对模型进行训练，将样本特征空间距离作为卷积原型网络的断路器故障诊断模型的优化目标； 步骤2中卷积原型网络的断路器故障诊断模型包括：输入层，卷积池化层1，卷积池化层2和全连接层，使用分类函数对卷积层输出特征进行分类，引入类邻域对损失函数进行训练，损失函数用于驱动卷积层超参数的更新，使用模型训练过程具体包括： 步骤2.1，以聚类的方法构建分类函数，对断路器故障数据训练样本集进行分类，若样本相对于某一类的匹配度最高也就是样本特征空间距离最小则可判定样本的所属类别； 步骤2.2，通过概率形式量化匹配度的大小，对分类函数进行改进； 步骤2.3，根据改进的分类函数对样本特征空间距离估算； 步骤2.4，引入类邻域对损失函数进行训练，以特征聚类的目标直接驱动卷积原型网络的断路器故障诊断模型对样本特征提取的优化； 步骤2.4具体包括：在对训练损失函数定义中，多分类模型的训练目标是使得样本属于其正确的类，同时，不属于所有其他类；为了将距离转换为二元分类，即是否属于此类，模型对于每一个原型样本点设置一个半径，构成类邻域，表达式如下： 式中，f表示样本x经过卷积网络提取以后的结果，mij表示原型样本点，r表示半径，Ri表示决策区域； 对于每个类i而言，类邻域构成了其特征空间中的决策区域Ri，该决策域的中心点，即原型样本点，为类内各样本特征的均值点，并随着训练中样本特征的变化而不断更新； 对于样本x，fx∈Ri表示x属于i类，否则不属于i类，若存在样本对于所有类型均不满足fx∈Ri，则可判断其为未知类，通过一对多的训练策略，目标是样本x，则其特征分类可表达为： 式中，Ry表示样本类y的决策区域，Rc表示样本类c的决策区域，将上述二分类的计算过程表达为函数形式，如下所示： 式中，hix表示同类样本i函数表达形式，hyx表示样本类y的结果，hcx表示样本类c的结果，其中c≠y； 为了使损失函数更加光滑，利用sigmoid函数将二元判别函数转化为概率函数，记为σ，如下所示： σix＝sigmoidhix 5则所述模型的损失函数为： 式中，σix表示同类样本i的概率结果，σyx表示样本类y的概率结果，σcx表示样本类c的概率结果，其中c≠y； 步骤3，将断路器故障数据样本集输入训练过的卷积原型网络的断路器故障诊断模型，得到故障诊断结果。

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国网江苏省电力有限公司南京供电分公司，其通讯地址为：210019 江苏省南京市建邺区奥体大街1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。