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！

龙图腾网获悉福州大学申请的专利一种基于CNN的充电桩开路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：CN115114855B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202210764343.X，技术领域涉及：G06F30/27；该发明授权一种基于CNN的充电桩开路故障诊断方法是由金涛;刘梓强;廖皇政设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于CNN的充电桩开路故障诊断方法在说明书摘要公布了：本发明涉及一种基于CNN的充电桩开路故障诊断方法，包括以下步骤：建立诊断目标充电桩的仿真模型；根据充电桩电路拓扑中开路故障位置设定对应的故障类型编号；根据充电桩电路拓扑结构选定故障信号采集点；利用建立的充电桩仿真模型采集不同开路故障类型发生时的故障信号，构成故障信号数据集；构建CNN模型，设定模型参数和训练参数；利用获得的数据集训练CNN模型，当CNN模型对数据集中故障的诊断准确率大于预设的最小接收准确率时，认为获得了能够针对目标充电桩进行诊断的CNN故障诊断模型，结束训练并保存模型，否则优化参数；使用得到的CNN故障诊断模型对实际充电桩的实测信号进行诊断。该方法有利于快速、准确地诊断出充电桩的开路故障。

本发明授权一种基于CNN的充电桩开路故障诊断方法在权利要求书中公布了：1.一种基于CNN的充电桩开路故障诊断方法，其特征在于，包括以下步骤： 步骤S1：根据实际需要诊断的充电桩电路拓扑，建立诊断目标充电桩的MATLAB\Simulink仿真模型； 步骤S2：根据充电桩电路拓扑中开路故障位置设定对应的故障类型编号； 步骤S3：根据充电桩电路拓扑结构选定故障信号采集点； 步骤S4：利用步骤S1中建立的充电桩仿真模型采集不同开路故障类型发生时的故障信号，构成故障信号数据集Data； 步骤S5：使用Python-Keras构建CNN模型，设定包括网络层数、卷积核大小的模型参数，设定包括训练收敛阈值、训练步长的训练参数； 步骤S6：利用步骤S4中获得的Data数据集训练CNN模型，当CNN模型对数据集中故障的诊断准确率大于预设的最小接收准确率Pmin时，认为获得了能够针对目标充电桩进行诊断的CNN故障诊断模型，结束训练并保存模型，否则返回步骤S5优化参数； 步骤S7：使用步骤S6训练得到的CNN故障诊断模型对实际充电桩的实测信号进行诊断； 所述步骤S4具体包括以下步骤： 步骤S41：为模拟真实情况下电路元件及负载参数波动情况，每次利用步骤S1中建立的充电桩仿真模型进行仿真时，电路电感、电容元件参数缩放倍数在[0.9,1.1]内随机取值，负载缩放倍数在[0.2,2]内随机取值； 步骤S42：每次采集故障数据时，故障在电路达到稳态后发生，采集故障发生后0.02s的故障数据； 步骤S43：每种故障类型按照步骤S41、S42条件仿真1000次，即Data数据集中每种故障包含1000组故障数据； 所述步骤S5具体包括以下步骤： 步骤S51：设定的网络参数包括：卷积层层数N、卷积核大小k、卷积核步长Sk、卷积核个数n、池化层类型、池化区域大小p、池化步长Sp以及分类层神经元个数Nm； 步骤S52：设定模型收敛阈值Es，当模型在训练中对验证集准确率ACCval不再提升并持续超过Es代时，认为模型在训练中达到收敛，设定的训练参数同时包括：训练步长Lr、步长衰减阈值R、步长衰减因子fa，当ACCval不再提升并持续超过R代时，训练步长Lr=fa×Lr。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。