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！

龙图腾网获悉深圳前海慧联科技发展有限公司申请的专利基于机器学习的风电机组深度自诊断方法及装置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：CN121637454B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610155857.3，技术领域涉及：G06F18/27；该发明授权基于机器学习的风电机组深度自诊断方法及装置是由张玉麟设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本基于机器学习的风电机组深度自诊断方法及装置在说明书摘要公布了：本申请实施例提供一种基于机器学习的风电机组深度自诊断方法及装置，方法包括：通过将风电机组整体结构划分为结构部件和相关空间，并从整体结构中采集多物理场传感器数据，将风电机组的结构部件离散化为多个有限单元，并将相关空间定义为连接有限单元的节点，构建对应的风电机组网络拓扑结构，基于网络拓扑结构为有限单元建立对应的物理场控制方程，确定对应的全局耦合方程组，并采用数值方法求解全局耦合方程组，确定对应的物理响应数据，将实时多物理场传感器数据和实时物理响应数据输入设定混合学习模型中进行无监督和有监督混合学习，以确定风电机组的生命周期预测结果，本申请能够提高风力发电机组故障诊断和预测的准确性和效率。

本发明授权基于机器学习的风电机组深度自诊断方法及装置在权利要求书中公布了：1.一种基于机器学习的风电机组深度自诊断方法，其特征在于，所述方法包括： 将风电机组整体结构划分为结构部件和相关空间，从所述整体结构中采集得到多物理场传感器数据，其中，所述结构部件包括叶片、轮毂、机舱以及塔筒，所述相关空间用于表征结构部件之间的连接关系或相对关系； 将所述结构部件离散化为多个有限单元，并将所述相关空间定义为连接所述有限单元的节点，确定对应的风电机组网络拓扑结构，基于所述网络拓扑结构为所述有限单元建立对应的物理场控制方程，确定对应的全局耦合方程组，并采用数值方法求解所述全局耦合方程组，确定对应的物理响应数据； 构建混合机器学习模型，所述混合机器学习模型包括无监督学习模块和有监督学习模块，其中，所述无监督学习模块用于输出异常检测结果和运行工况聚类结果，所述有监督学习模块用于根据无监督学习模块输出的结果、原始传感器数据以及物理响应数据进行风电机组的生命周期预测；获取风电机组历史数据，根据所述历史数据对所述无监督学习模块和所述有监督学习模块进行初始化训练后，根据预设变分自编码器和预设对抗自编码器对实时多物理场传感器数据和实时物理响应数据进行特征降维和去噪，确定对应的同量级特征表示；根据预设异常检测层和预设运行工况聚类层，构建无监督学习模块，所述异常检测层和所述运行工况聚类层是并行计算的，将所述同量级特征表示输入至所述异常检测层，根据隔离森林、一类支持向量机以及自编码器重构误差，对输入的特征表示进行异常检测，确定对应的异常检测结果，包括异常分数或二进制警报，其中，根据异常检测结果输出的异常警报用于触发有监督学习模块的增量更新；将所述同量级特征表示输入至所述运行工况聚类层，根据深度嵌入聚类算法和时序聚类算法，对输入的特征表示进行风机运行状态聚类划分，确定对应的运行工况聚类结果，其中，所述运行工况聚类结果用于输入有监督学习模块进行模型训练和预测；将所述同量级特征表示输入至有监督学习模块，确定所述有监督学习模块输出的风电机组的故障诊断结果和剩余寿命预测结果。

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深圳前海慧联科技发展有限公司，其通讯地址为：518000 广东省深圳市前海深港合作区南山街道怡海大道1167号海运中心口岸楼3楼310号-J361；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。