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！

龙图腾网恭喜国网安徽省电力有限公司电力科学研究院申请的专利一种变电设备故障诊断模型持续学习方法及系统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：CN119294468B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411830451.8，技术领域涉及：G06N3/0895；该发明授权一种变电设备故障诊断模型持续学习方法及系统是由孙伟;丁津津;刘辉;赵龙;汪玉;仇茹嘉;肖家锴;张淑娟;邢璐;史伟豪;邹知炜;张峰设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种变电设备故障诊断模型持续学习方法及系统在说明书摘要公布了：一种变电设备故障诊断模型持续学习方法及系统，属于图像处理技术领域，解决如何增强视觉语言预训练模型对新旧知识的识别能力的问题；本发明以弱监督的方式实现细粒度图像语义知识提取，通过计算全局语义分数对齐损失和局部语义特征对比损失，能够挖掘多张图像具有相似局部特征的对应关系，使得模型对新语义概念的充分理解和知识解耦，更加精确地进行新知识学习，通过计算细粒度文本特征与细粒度语义特征的匹配程度，对新数据中的通用知识和专用知识进行解耦，通过解耦新语义概念，建立新语义概念和已有知识的联系，在保持通用知识的前提下，更好地学习新语义类别的专用知识，实现新旧知识的良好兼容，使模型具有更好的前向兼容能力。

本发明授权一种变电设备故障诊断模型持续学习方法及系统在权利要求书中公布了：1.一种变电设备故障诊断模型持续学习方法，其特征在于，包括：S1、获取单个阶段变电设备故障的训练集，划分为训练集和测试集，所述训练集包括训练集图像和训练集标签，所述测试集包括测试集图像和测试集标签，对训练集图像进行随机裁剪，将所有训练集图像大小缩放到统一尺寸，再进行数值归一化处理；S2、基于Pytorch深度学习框架，建立预训练图像特征提取模型，所述模型包括CLIP模型和可学习的细粒度语义原型，基于全局语义分数对齐和局部语义特征对比实现细粒度图像语义知识提取，对细粒度语义原型进行梯度更新；所述S2包括：S21、构建CLIP模型和可学习的细粒度语义原型；所述CLIP模型包括视觉分支和文本分支；S22、对原始训练集图像进行外观增强，分别将原始训练集图像和增强训练集图像输入CLIP模型的视觉分支，计算原始训练集图像和细粒度语义原型之间的概率分数，以及增强训练集图像和细粒度语义原型之间的概率分数；S23、将增强训练集图像和细粒度语义原型之间的概率分数通过最优传输算法得到原始训练集图像的监督信号，将原始训练集图像和细粒度语义原型之间的概率分数通过最优传输算法得到增强训练集图像的监督信号，计算全局语义分数对齐损失；S24、利用细粒度语义原型对局部图像特征进行映射，计算查询向量、键向量和值向量，通过注意力机制提取出细粒度语义特征对应的局部语义特征，计算局部语义特征对比损失；S3、计算细粒度文本特征与细粒度语义特征的匹配程度，将细粒度语义特征分为通用知识和专用知识，利用低秩参数进行学习及融合，构建交叉熵损失，通过梯度反传更新低秩参数；S4、对不同阶段变电设备故障的持续学习过程，持续更新预训练图像特征提取模型，每个阶段的训练完成后，获得该阶段的专用知识低秩参数，通过多阶段低秩参数平均融合，得到推理时使用的低秩参数；S5、输入测试集，计算预训练图像特征提取模型的精准度。

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安徽省电力有限公司电力科学研究院，其通讯地址为：230000 安徽省合肥市经济开发区紫云路299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”。