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！

龙图腾网获悉湖北师范大学申请的专利基于对比学习的故障预测与健康管理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：CN120763795B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510838648.4，技术领域涉及：G06F18/2433；该发明授权基于对比学习的故障预测与健康管理方法是由胡俊伟;吴博;徐自强;詹习生;程伶俐;汪村设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于对比学习的故障预测与健康管理方法在说明书摘要公布了：本发明涉及故障分析技术领域，尤其涉及基于对比学习的故障预测与健康管理方法，包括：构建风机健康运行数据集，以输入到时空对比编码器中，生成风机健康基准特征库；根据风机运行数据、风机位置气象数据和风机健康基准特征库对风机的健康偏离度进行对比分析；根据风机的健康偏离度分析结果、风机油液检测数据和风机叶片巡检图像数据对风机的故障状态进行分析；将风机的健康偏离度对比分析结果和故障状态分析结果导入风机动态调度策略分析模型中，生成风机动态调度策略，对风力发电机组中的风机运行进行动态调度；能够自适应调整高风险风机的负载以降低故障风险，并通过提升低风险风机的利用率以满足总需求，从而提高了设备寿命与电网稳定性。

本发明授权基于对比学习的故障预测与健康管理方法在权利要求书中公布了：1.基于对比学习的故障预测与健康管理方法，其特征在于，包括下述步骤： S1、获取风力发电机组中风机运行数据、风机位置气象数据和风机历史健康标签数据；同时获取风机油液检测数据和风机叶片巡检图像数据； S2、在相等监测时间窗口下，监测风力发电机组中风机运行数据，并对风机所在位置的风速进行实时监测，得到风机所在位置的风速区间；将风机所在位置的风速区间等距离划分为多个风速子区间；随机选取风机历史健康标签数据中位于某一风速子区间内的历史风机运行数据作为风机锚点样本；并选取对应子区间的风机健康正样本和负样本，共同构建风机健康运行数据集；将风机健康运行数据集导入时空对比编码器模型中，以最大化同类样本相似性并最小化异类样本相似性为训练目标，对时空对比编码器模型进行训练，直至模型损失值收敛；输出训练好的时空对比编码器模型；将所有风速子区间内同一风机在无故障记录且运行正常时对应的历史风机运行数据输入训练好的时空对比编码器模型中，输出得到所有风速子区间内的风机健康特征向量；基于所有风速子区间内的风机健康特征向量，按风速子区间进行聚类分析，生成每个风速子区间对应的风机健康基准特征向量，将所有风速子区间对应的风机健康基准特征向量导入数据库中，得到风机健康基准特征库； S3、提取风机位置气象数据中的实时风速；基于实时风速，从风机健康基准特征库中提取对应风速子区间的风机健康基准特征向量；获取当前时刻下的风机运行数据，将风机运行数据输入到时空对比编码器模型中，得到当前时刻下风机运行数据的特征向量；基于当前时刻下风机运行数据的特征向量和对应风速子区间的风机健康基准特征向量，对当前时刻下风机的健康偏离度进行计算； S4、基于风机的健康偏离度分析结果、风机油液检测数据和风机叶片巡检图像数据，构建风机故障状态分析模型，对风机的故障状态进行分析； S5、构建风机动态调度策略分析模型，将风机的健康偏离度对比分析结果和故障状态分析结果导入风机动态调度策略分析模型中，生成风机动态调度策略，对风力发电机组中的风机运行进行动态调度。

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湖北师范大学，其通讯地址为：435002 湖北省黄石市磁湖路11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。