買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京航空航天大學申請的專利一種基于多尺度特征融合的網絡級電弧故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114091593B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111345226.1，技術領域涉及：G06F18/2431；該發明授權一種基于多尺度特征融合的網絡級電弧故障診斷方法是由尹振東;王莉;楊善水;高楊設計研發完成，并于2021-11-12向國家知識產權局提交的專利申請。

本一種基于多尺度特征融合的網絡級電弧故障診斷方法在說明書摘要公布了：本發明公開一種基于多尺度特征融合的網絡級電弧故障診斷方法，包括以下步驟：1基于電流傳感器采集系統中不同支路的電流信號；2基于多尺度分析方法得到不同支路電流信號在不同尺度下的時域特征、頻域特征以及奇異值以構造特征向量；3采用隨機森林實現特征的重要度分析與選擇，得到最優特征組合；4利用最優特征組合與訓練后的隨機森林實現電弧故障診斷。本發明基于不同的尺度提取故障特征，給予了分析特征的不同視角并增加了特征的多樣性，同時利用隨機森林算法實現了特征選擇與融合，從而使不同類型特征中故障信息實現優勢互補，并能消除高維特征向量中的冗余信息，有利于診斷準確度的提升以及減小分類器的負擔。

本發明授權一種基于多尺度特征融合的網絡級電弧故障診斷方法在權利要求書中公布了：1.一種基于多尺度特征融合的網絡級電弧故障診斷方法，其特征在于包括以下步驟：步驟1：采集配電系統中各條支路的電流信號并進行預處理；步驟2：基于多尺度分析方法提取所述各條支路的電流信號不同尺度下的粗糙度序列的時域特征、頻域特征以及奇異值，構造特征向量；步驟3：基于隨機森林分析特征的重要性；步驟4：基于特征重要性的分析結果，將所有特征按重要性值從大到小排列，利用重要性值排名靠前的特征構造特征向量并訓練隨機森林分類器，利用測試集對訓練后的隨機森林進行驗證，得到測試準確度，選擇最高的測試準確度所對應的特征向量組成最優特征組合，利用最優特征組合與訓練后的隨機森林實現電弧故障診斷；步驟2中，所述不同尺度下的粗糙度序列表示為： 其中，ui為電流信號的數據點，N為電流信號原始長度；τ＝1,2,…為時間尺度；代表在時間尺度τ下支路k的電流信號的粗糙度序列；當τ＝1，相當于原始信號；隨著τ的增加，相當于對信號進行低通濾波；步驟2中，提取信號的奇異值包括：步驟2-1：采用截斷法將一維的粗糙度序列轉化為二維的矩陣M，如公式2所示： 式中，unm表示序列中第m×n個數據點，n＝INTLenm，INT·為向下取整運算，Len為粗糙度序列的長度；步驟2-2：利用奇異值分解算法處理矩陣M，得到m個奇異值；步驟3包括：步驟3-1：通過隨機森林訓練，得到某個節點的當前基尼指數 其中，E為類別數；per為第e類在第r節點所占比例，r∈R，R為當前決策樹節點數；步驟3-2：選擇某一特征w對當前節點r進行劃分，得到兩個數據集及所述兩個數據集對應的基尼指數，特征w在節點r實現劃分前后基尼指數的差值ΔIGwr表示為：ΔIGwr＝IGr-IGr1-IGr24其中，IGr1與IGr2分別為所述兩個數據集對應的基尼指數；ΔIGwr越大，則該特征對節點劃分影響程度越大，其重要性也越高；步驟3-3：特征w在決策樹t中的特征重要性表示為VIMtw＝∑r∈RΔIGwr5在包含T棵決策樹的隨機森林中，特征w的總體特征重要性VIMw表示為 對VIMw進行歸一化，得到特征w最終的重要性 其中，W*為總特征數；特征w所對應的值越大，則表明該特征的重要度越高。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航空航天大學，其通訊地址為：210001 江蘇省南京市秦淮區御道街29號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。