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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于因果推断的极端环境下变频器劣化预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：CN119719920B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202510229024.2，技术领域涉及：G06F18/241；该发明授权一种基于因果推断的极端环境下变频器劣化预测方法是由胥帅;刘莹;关东海设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种基于因果推断的极端环境下变频器劣化预测方法在说明书摘要公布了：本发明属于电子器件劣化预测与识别技术领域，具体公开了一种基于因果推断的极端环境下变频器劣化预测方法，该方法通过因果推断将环境对工况的影响分解为冗余、独特和协同三类影响，并通过互信息量化各类影响的程度，明确各环境因素对变频器工况的具体影响及其程度，为极端环境下环境与工况的复杂关系提供了新的分析视角；本发明还通过环境特征查询时序特征进行特征融合，在融合特征的基础上与时序特征进行拼接，实现对融合特征的进一步增强，有效捕捉了当前环境对工况的影响，并充分考虑了变频器劣化过程中的时序效应，从而显著提升了对未来工况数据的预测精度，为通信系统在沙漠、岛礁、高海拔及极寒等极端环境下的稳定运行提供了可靠支持。

本发明授权一种基于因果推断的极端环境下变频器劣化预测方法在权利要求书中公布了：1.一种基于因果推断的极端环境下变频器劣化预测方法，其特征在于，包括如下步骤：步骤1.在极端气候区域收集变频器的劣化全过程中的历史环境和历史工况数据，并对变频器的运行状态和劣化类型进行标注，构建结合环境与变频器工况的多标签劣化数据集；步骤2.搭建变频器劣化预测与识别模型，其包括如下结构：环境分支，用于提取环境对工况的影响特征即环境特征，运用因果推断技术量化各环境因素对工况的影响，并将各环境因素对工况的影响整合为多维环境影响特征矩阵；时序分支，用于提取历史工况数据的时序特征；双分支特征融合模块，用于将环境特征映射为查询，将时序特征映射为键和值，然后利用交叉注意力机制融合局部邻域特征，并通过卷积和特征交互进一步增强融合特征；Transformer模块，用于根据双分支特征融合模块输出的融合特征预测未来工况数据；多标签分类模块，用于根据历史工况数据和未来工况数据判断变频器判断是否劣化以及识别劣化类型；步骤3.利用多标签劣化数据集训练变频器劣化预测与识别模型；步骤4.将识别阶段历史工况数据作为时序分支的输入，未来环境数据作为环境分支的输入，利用训练好的变频器劣化预测与识别模型对变频器劣化情况进行预测；利用环境分支提取环境对工况的影响特征的过程为：在环境-工况多标签劣化数据集的基础上，定义历史环境数据X和历史工况数据Y：X＝{x1,x2,…,xi,…,xE}，Y＝{y1,y2,…,yj,…,yc}；其中，xi表示环境因素，i＝1,…,E，E表示环境-工况多标签劣化数据集中环境因素的总数；yj表示工况指标，j＝1,…,C，C表示环境-工况多标签劣化数据集中工况指标的总数；计算历史环境数据与历史工况数据之间的互信息IX；Y： 其中，pxi,yj为历史环境数据和历史工况数据的联合概率分布，pxi和pyj分别表示历史环境数据和历史工况数据的边缘概率分布；计算冗余因果性： 其中，ΔIR表示所有历史环境数据X对工况指标yj的冗余解释信息即冗余因果性互信息，IX；yj是所有历史环境数据X与工况指标yj之间的总互信息，是每个单独的环境因素xi与工况指标yj之间的互信息之和；计算独特因果性： 其中，ΔIU表示每个单独的环境因素xi对工况指标yj的独特解释信息即独特因果性互信息；计算协同因果性：ΔIS＝IX；yj-ΔIR-ΔIU；其中，ΔIS表示所有历史环境数据X对工况指标yj的协同解释信息即协同因果性互信息；对冗余、独特和协同因果性互信息进行归一化，并整合为多维环境影响特征矩阵Fenv。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市江宁区将军大道29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”。