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！

龙图腾网恭喜山东大学申请的专利一种基于多特征融合的有载分接开关故障诊断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：CN119538075B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510107477.8，技术领域涉及：G06F18/2411；该发明授权一种基于多特征融合的有载分接开关故障诊断方法是由赵彤;陈知馨;王晓龙;张远涛;孙滢;刘亚迪;亓润泽设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于多特征融合的有载分接开关故障诊断方法在说明书摘要公布了：一种基于多特征融合的有载分接开关故障诊断方法，涉及有载分接开关故障诊断技术领域，用于解决现有的振动信号分析方法通常侧重于单一特征的提取，无法全面捕捉信号中的复杂信息的问题。包括数据采集、特征提取和故障诊断。本发明结合了互补集合经验模态分解CEEMD、品质因数可调小波变换QFAT和短时傅里叶变换STFT的先进特征提取技术，全面提取振动信号中的故障信息。通过优化OOSVM分类器的核心参数，并结合捕食类动物优化算法提升算法的全局搜索能力和局部精细搜索能力，进一步提高故障诊断的准确性、鲁棒性和时效性，实现了电力设备故障诊断对高精度、实时性和适应性的需求。

本发明授权一种基于多特征融合的有载分接开关故障诊断方法在权利要求书中公布了：1.一种基于多特征融合的有载分接开关故障诊断方法，其特征在于，包括以下步骤：S1数据采集采集有载分接开关在正常状态、齿轮卡涩、触头松动、紧固螺丝松动四种工况下的原始振动信号Xit；S2特征提取S2.1有载分接开关振动信号特征提取S2.1.1采用互补集合经验模态分解CEEMD将原始振动信号Xit分解为若干个本征模态分量IMF，求本征模态分量IMF的能量熵HEN；S2.1.2采用品质因数可调小波变换TQWT提取有载分接开关振动信号的子序列能量Ej；S2.1.3采用基于短时傅里叶变换振动频率成分幅值熵VFCAE，描述有载分接开关振动信号频率成分在不同时间段的不规则性；计算一个时间段内的平均熵值Fk；S2.2特征融合对以上三个特征量Fk、Ej和HEN进行标准化处理： 其中，μF、μE、μH是特征量的均值；σF、σE、σH是特征量的标准差；采用加权求和法将特征向量进行组合：Ffused＝ω1·Fnorm+ω2·Ej，norm+ω3·HEN，norm；其中，ω1，ω2，ω3是设置的权重；S3故障诊断采用基于改进蝰蛇优化算法的优化算子支持向量机IVOA-OOSVM对特征进行故障诊断；步骤S2.1.3的具体内容为：首先将多通道信号转化为STFT矩阵，再提取VFCAE构建特征向量；对于离散时间序列s＝{s1，s2，..，sN}，其STFT计算如下： 其中，hn-k为高斯窗函数，Sf,k的值是一个复数；sn为原始信号的离散时间序列，e-j2πfnN为傅里叶变换的复指数部分；计算S中元素的欧氏范数如下：式中：‖‖为欧氏范数；基于极大值将STFT矩阵的幅值划分为L个区间，并统计幅值区间的分布情况Dp，p为0-L之间的整数；接着，在计算得到的熵值中加入权重； 其中，ωp为第p个区间的权重；最后，计算一个时间段内的平均熵值作为特征量，取期望的特征向量维数为y，则特征量为： 其中，k表示正在计算第k个特征维度的平均熵；表示向下取整；改进蝰蛇优化算法IVOA的数学模型为：第一阶段：猎物识别过程猎物在环境中自由分布，其行为模拟表达式为：:式中，Pi为第i只蝰蛇目标对象的地点；Xk为蝰蛇的状态；k为[1,N]的自然数；N为蝰蛇种群数量；蝰蛇随机选择一个猎物攻击，蝰蛇行为模拟表达式如下所示： 式中，Fri为理想适应度值；为第i只蝰蛇在第v维度的新状态；r为[1,N]的任意数值，用于生成蝰蛇的无规律行为；I的取值为1或2；xi，v是第i只蝰蛇在第v维度的原始状态；pi，v是第i只蝰蛇在第v维度上的目标的位置，Fi是第i只蝰蛇当前位置的适应度值； 式中，为第i只蝰蛇的新状态；为与蝰蛇在第v维度新状态对应的适应度值；计算当前最优解Xbest：FXi为每个蝰蛇个体Xi对应的适应度值；使用反向传播初始化对种群进行初始化以加速搜索过程：其中，是初始化种群中第i个个体的新位置；α为调整因子；ΔXi为当前解与最优解之间的距离，表示种群个体的初始化方向：引入野马算法搜索机制对参数r加以改进，计算个体角度坐标θ1i： xi为当前迭代个体；xbest为种群最优个体；o为原点；i的取值范围为1,N；将迭代区域划分成4份，s为区域序号，并计算每个区域内的个体数量；根据个体数量给区域赋予概率Ps，概率计算表达式如下：式中，nums为第s个区域中的个体数量；采用适应度权重搜索区域，计算区域适应度权重As：通过区域选择的方式选择搜索区域s，并在第s个区域内选择角度θk，其生成表达式如下：其中，α为控制调整量强度的调节因子，α∈[0,1]；di是当前个体与最优解之间的欧几里得距离：＝X-Xpesel；dmax是整个搜索空间中可能的最大距离：dmax＝max||Xi-Xbese||，即最远的个体与最优解之间的距离；生成后的θk代入下式中迭代：式中，为经过迭代之后第i只蝰蛇在第v维的新状态；第二阶段：追逐和逃跑过程蝰蛇捕捉猎物后，猎物试图逃脱；追逐过程中，假设这种狩猎接近于一个半径为R的攻击范围，此过程的数学表达式如下： 式中，为第二阶段第i只蝰蛇在第v维度的新状态；t为目前的迭代次数；T为最大的迭代次数； 式中，为第二阶段第i只蝰蛇的新状态；为新状态下的适应度值；引入粒子群优化算法PSO更新蝰蛇位置，更新表达式如下： 式中，为第二阶段引入PSO算法后第i只蝰蛇在第v维度的新状态；c1,c2是学习因子，控制个体和群体的引导程度；r1,r2是在[0,1]范围内的随机数；Xbest,v是个体的历史最优位置，Xglobal,v是个体的全局最优位置。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。