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！

龙图腾网获悉华东交通大学申请的专利基于双流听觉特征融合与随机森林的变压器故障检测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：CN121682514B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610194596.6，技术领域涉及：G06F18/243；该发明授权基于双流听觉特征融合与随机森林的变压器故障检测方法是由曾建军;熊亮;于小四;邓芳明;韦宝泉;曾晗;刘志刚;宋洋;薛宪法;张一平;潘大勇设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于双流听觉特征融合与随机森林的变压器故障检测方法在说明书摘要公布了：本发明公开了一种基于双流听觉特征融合与随机森林的变压器故障检测方法，包括：获取变压器运行时的实时声纹信号，对实时声纹信号进行预加重、分帧及加窗处理，得到声纹帧；基于梅尔滤波器组提取声纹帧的梅尔频率倒谱系数特征；基于Gammatone滤波器组提取声纹帧的伽马通频率倒谱系数特征；计算声纹帧的时域统计指标特征；构建联合特征，将联合特征输入预训练的随机森林模型，计算基尼重要性评分，进而获得抗噪鲁棒特征子集；将抗噪鲁棒特征子集输入随机森林分类器，利用多决策树的集成投票机制输出变压器的故障类型识别结果。本发明能够解决现有技术特征提取单一、抗噪性差，缺乏对瞬态冲击的关注，以及特征降维与分类方法存在缺陷的问题。

本发明授权基于双流听觉特征融合与随机森林的变压器故障检测方法在权利要求书中公布了：1.一种基于双流听觉特征融合与随机森林的变压器故障检测方法，其特征在于，包括： 步骤S1，获取变压器运行时的实时声纹信号，对实时声纹信号进行预加重、分帧及加窗处理，得到声纹帧； 步骤S2，基于梅尔滤波器组提取声纹帧的梅尔频率倒谱系数特征； 步骤S3，基于Gammatone滤波器组提取声纹帧的伽马通频率倒谱系数特征； 步骤S4，计算声纹帧的时域统计指标特征，所述时域统计指标包括反映冲击特性的峭度与反映能量波动的裕度因子； 步骤S5，将梅尔频率倒谱系数特征、伽马通频率倒谱系数特征及时域统计指标特征进行串联拼接，构建联合特征，将联合特征输入预训练的随机森林模型，计算联合特征中各个维度的特征的基尼重要性评分，剔除基尼重要性评分低于筛选阈值的特征，从而获得抗噪鲁棒特征子集； 步骤S6，将抗噪鲁棒特征子集输入随机森林分类器，利用多决策树的集成投票机制输出变压器的故障类型识别结果； 步骤S3具体包括： 步骤S301，通过Gammatone滤波器组对声纹帧进行滤波，所述Gammatone滤波器组的时域脉冲响应函数采用4阶滤波器结构，表达式为： 其中，为振幅因子，为时间变量，为滤波器的带宽衰减因子，为中心频率，为相位； 步骤S302，对滤波后的信号进行分帧、取对数及离散余弦变换，得到伽马通频率倒谱系数特征； 步骤S4中，峭度的表达式为： 其中，为声纹帧中第个采样点的幅值，为幅值的均值，为标准差，为帧长； 裕度因子的表达式为： 其中，表示取最大值； 步骤S5中，计算联合特征中各个维度的特征的基尼重要性评分，具体包括： 首先，计算联合特征中各个维度的特征在决策树节点分裂前后引起的基尼不纯度减少量； 然后，对随机森林所有决策树中特征产生的求和并计算平均值，从而得到基尼重要性评分； 步骤S6中，随机森林分类器的工作流程为： 采用自助采样法从训练集中有放回地抽取个样本子集，构建棵决策树，其中为大于1的正整数； 每一棵决策树在节点分裂时，仅从所述抗噪鲁棒特征子集中随机选取特征进行最佳分裂属性选择，最后汇总棵决策树的分类结果，判定得票数最多的类别为最终故障检测结果。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。