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！

龙图腾网获悉华能国际电力股份有限公司大连电厂;中南大学申请的专利一种基于多变量时间序列分类的磨煤机故障诊断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：CN119354573B 。

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：202411279766.8，技术领域涉及：G06F18/2451；该发明授权一种基于多变量时间序列分类的磨煤机故障诊断方法是由陈筑;郭涛;张君樵;丛述广;桂宁;白云峰;艾方兴;时斌;谷博;程浩伦;徐佳威设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本一种基于多变量时间序列分类的磨煤机故障诊断方法在说明书摘要公布了：本发明公开了一种基于多变量时间序列分类的磨煤机故障诊断方法，涉及机械故障诊断技术领域，包括采集磨煤机时间序列数据，对时间序列数据进行预处理并存储至数据集；构建自监督对比学习模型，对数据集中的不同视图进行对比学习训练；基于自监督对比学习模型输出特征，将特征输入到加强线性分类器中，进行故障分类和诊断。本发明所述方法通过构建自监督对比学习模型，提高在不同工况下的故障诊断效果，增强方法的适应性和稳定性；通过加强线性分类器挖掘多变量时间序列数据中的关联特征，进行综合分析，提高对磨煤机运行状态的全面理解，从而实现更精准的故障诊断，本发明在精度、可靠性以及泛化能力方面都取得更加良好的效果。

本发明授权一种基于多变量时间序列分类的磨煤机故障诊断方法在权利要求书中公布了：1.一种基于多变量时间序列分类的磨煤机故障诊断方法，其特征在于，包括： 采集磨煤机时间序列数据，对时间序列数据进行预处理并存储至数据集； 所述存储至数据集包括将采集的时间序列数据进行长度分割形成连续的时间序列样本，进行傅里叶变换和时间序列分解技术，将时间序列样本转化为原始时间序列视图、频率视图和季节视图，将预处理后的数据分类存储在数据集中； 构建自监督对比学习模型，对数据集中的不同视图进行对比学习训练； 所述构建自监督对比学习模型包括基于数据集中的原始时间序列视图、频率视图和季节视图，设计三个具有相同结构的神经网络且不共享参数的网络作为特征提取器，表示为： gi＝Gxi,fi＝Fxi,si＝Sxi其中，G为原始时间序列视图，F为频率视图，S为季节视图，xi为第i个时间序列样本的原始数据，gi为第i个时间序列样本的原始时间序列视图特征样本，fi为第i个时间序列样本的频率视图特征样本，si为第i个时间序列样本的季节视图特征样本； 基于数据集样本，构建样本gi、fi和si的实例对比损失函数，表示为： 其中，LInst为实例对比损失函数，L为指示函数，exp为指数函数，sim为相似度函数，N为数据集样本总数，gi'为gi的增强样本，fi′为fi的增强样本，si'为si的增强样本，k为除i之外的样本，t为温度参数； 基于自监督对比学习模型输出特征，将特征输入到加强线性分类器中，进行故障分类和诊断； 所述进行对比学习训练包括采用联合学习构建原型聚类方法，表示为： 其中，为类别c在原始时间序列视图特征下的原型聚类中心向量，为类别c在频率视图特征下的原型聚类中心向量，为类别c在季节视图特征下的原型聚类中心向量，为频率视图特征的第i个聚类中心，为季节视图特征的第i个聚类中心，为原始时间序列视图特征的第i个聚类中心； 基于原型聚类方法的联合对比学习，构建样本gi、fi和si的联合学习对比损失函数，表示为： 其中，LProt为联合学习对比损失函数，为原始时间序列视图和季节视图的联合聚类中心，为季节视图和原始时间序列视图的联合聚类中心，为频率视图和季节视图的联合聚类中心，为原始时间序列视图和频率视图的联合聚类中心，为频率视图和原始时间序列视图的联合聚类中心，为季节视图和频率视图的联合聚类中心，M为第i个磨煤机样本的对比样本数量，M包含2个正样本和M‑2个负样本，j为对比样本序号，表示为在类别c取得的样本； 基于实例对比损失函数和联合学习对比损失函数，构建总体目标函数，表示为： 其中，L'为总体目标函数，λ为平衡两类损失函数的参数。

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华能国际电力股份有限公司大连电厂;中南大学，其通讯地址为：116033 辽宁省大连市甘井子区大连湾村883-33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。