国网湖北省电力有限公司电力科学研究院;重庆理工大学金雷获国家专利权
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!
龙图腾网获悉国网湖北省电力有限公司电力科学研究院;重庆理工大学申请的专利一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测系统及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:CN120702586B 。
龙图腾网通过国家知识产权局官网在2026-03-06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:202510935522.9,技术领域涉及:G01H9/00;该发明授权一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测系统及方法是由金雷;周凯;张知先;沈煜;朱涛;陈理;刘睿;张宇航;于威;贺佳莉;卢仰泽;郭松林设计研发完成,并于2025-07-08向国家知识产权局提交的专利申请。
本一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测系统及方法在说明书摘要公布了:本发明公开了一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测系统及方法,涉及智能电网设备状态监测技术领域,包括,部署无线监测节点采集振动信号,根据机械拓扑连接关系构建邻接矩阵,通过无线监测节点间的物理距离和机械耦合强度计算邻接矩阵的边权重;通过光子晶体谐振腔对振动信号进行光‑振耦合增强,生成放大信号,并基于量子压缩感知算法将放大信号进行压缩,生成压缩信号;对压缩信号进行正交匹配追踪稀疏重构,提取时频联合特征,将时频联合特征输入局部卷积神经网络,生成局部卷积神经网络参数。本发明通过光子晶体谐振腔的光‑振耦合效应将机械振动信号转换为高灵敏度调制光信号,解决了传统传感器在强噪声环境下特征信噪比低的问题。
本发明授权一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测系统及方法在权利要求书中公布了:1.一种基于无线传感与光子晶体谐振腔的有载分接开关振动检测方法,其特征在于:包括, 部署无线监测节点采集振动信号,根据机械拓扑连接关系构建邻接矩阵,通过无线监测节点间的物理距离和机械耦合强度计算邻接矩阵的边权重,具体步骤如下, 确定有载分接开关的机械拓扑连接关系,识别核心部件的物理连接方式,标记无线监测节点的部署位置,实时采集振动信号; 基于机械拓扑连接关系构建邻接矩阵,测量无线监测节点之间的物理距离,根据部件间的机械连接类型标定各无线监测节点间的机械耦合强度; 基于物理距离和机械耦合强度计算邻接矩阵的边权重; 通过光子晶体谐振腔对振动信号进行光-振耦合增强,生成放大信号,并基于量子压缩感知算法将放大信号进行压缩,生成压缩信号,具体步骤如下, 根据光子晶体谐振腔定义机械振动目标频段; 将光子晶体谐振腔与无线监测节点集成,通过激光激发光子晶体谐振腔,产生光-振耦合效应将机械振动转换为调制光信号,通过带隙共振方法放大调制光信号; 通过光电探测器将放大调制光信号转换为电信号,记录光子晶体谐振腔的实时Q值; 构建量子随机投影矩阵对电信号进行线性投影,将振动信号压缩至低维空间,生成压缩信号; 对压缩信号进行正交匹配追踪稀疏重构,提取时频联合特征,将时频联合特征输入局部卷积神经网络,生成局部卷积神经网络参数,具体步骤如下, 初始化正交匹配追踪算法,基于傅里叶变换基和小波基构建稀疏基字典,基于量子随机投影矩阵和稀疏基字典重构振动信号; 对重构后的振动信号进行小波包分解,生成时频能量分布矩阵,计算时频能量分布矩阵的瞬时频率梯度、能量重心偏移量及每个子频带的能量占比,生成时频联合特征; 构建局部卷积神经网络,将时频联合特征输入局部卷积神经网络,生成卷积核权重和全连接层参数; 基于邻接矩阵的边权重和信噪比计算联邦聚合权重,具体步骤如下, 从邻接矩阵中提取各无线监测节点间的边权重; 结合各无线监测节点的信噪比,通过联邦学习框架定义的权重分配规则,计算各无线监测节点的联邦聚合权重; 融合局部卷积神经网络参数,并基于联邦学习框架的分布式聚合协议构建全局诊断模型; 计算光子晶体谐振腔的Q值衰减系数,将机械耦合强度、时频联合特征和Q值衰减系数输入全局诊断模型,生成故障分类结果和维护决策,具体步骤如下, 根据光子晶体谐振腔的频响曲线定义初始Q值,根据实时Q值与初始Q值的差值计算Q值衰减系数,通过实验标定法定义Q值衰减系数阈值; 将机械耦合强度、时频联合特征与Q值衰减系数输入全局诊断模型,生成故障分类结果; 根据故障分类结果与Q值衰减系数阈值判定故障等级,生成维护策略。
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湖北省电力有限公司电力科学研究院;重庆理工大学,其通讯地址为:430077 湖北省武汉市洪山区徐东大街227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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励