西安理工大学陈思磊获国家专利权
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！
龙图腾网获悉西安理工大学申请的专利基于相似性度量与迁移学习的多变直流故障电弧自适应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：CN116338348B 。
龙图腾网通过国家知识产权局官网在2026-05-01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：202310147304.X，技术领域涉及：G01R31/00；该发明授权基于相似性度量与迁移学习的多变直流故障电弧自适应检测方法是由陈思磊;王源丰;孟羽;沈力;高佳宇设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。
本基于相似性度量与迁移学习的多变直流故障电弧自适应检测方法在说明书摘要公布了：本发明公开了一种基于相似性度量与迁移学习的多变直流故障电弧自适应检测方法，对不同时段的系统输出电流应用小波包分解与系数重构处理后提取特征，并输入至状态辨识模型进行多时段故障电弧判断，对当前工况通过机器学习评估特征相似性度量值D和模型输出概率分布P间联合分布模式，据此将提取的特征区分为不可辨识工况类型数据和可辨识工况类型数据，采用领域自适应策略对不可辨识工况类型数据的最简特征组进行迁移学习，从而更新状态辨识模型，由此实现复杂多变工况下直流故障电弧的实时精准检测。
本发明授权基于相似性度量与迁移学习的多变直流故障电弧自适应检测方法在权利要求书中公布了：1.一种基于相似性度量与迁移学习的多变直流故障电弧自适应检测方法，其特征在于：该故障电弧自适应检测方法包括以下步骤： 1对采集的系统输出电流进行时频变换处理，然后提取特征； 2将步骤1提取的特征输入基于深度学习的状态辨识模型，从而通过对直流故障电弧与类弧的判别确定系统工况运行状态；对当前工况通过机器学习评估特征相似性度量值和模型输出概率分布间联合分布模式，从而将步骤1提取的特征判别为不可辨识工况类型数据或可辨识工况类型数据，并选取不可辨识工况类型数据对基于深度学习的状态辨识模型通过迁移学习进行更新，其中特征相似性度量值为步骤1提取的特征与基于深度学习的状态辨识模型中的训练特征之间相似性度量的距离值。
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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。
免责声明
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
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