宁波大学科学技术学院

本发明公开了一种基于无故障信号参考增强的多模态域泛化门控故障诊断方法。采集旋转机械在不同工况下的振动信号和声音信号；采用离散余弦变换将振动和声音信号转换至频域，通过与同域无故障参考信号计算残差，抑制工况干扰并增强故障相关特征；构建跨域对比学习多模态融合模块，通过跨域洗牌和域内洗牌机制重组振动与声音特征，打破工况与模态特征的隐式耦合，学习域不变故障表示；引入随机传感器故障模拟策略，通过均值替换和高斯噪声注入模拟传感器退化或失效场景；构建双权重自适应门控网络，动态估计各模态特征的有效性权重并实现加权融合；采用对比学习损失与门控回归损失联合优化特征提取网络、融合网络和门控网络；在测试集验证后，利用训练好的模型对实际工业场景中的旋转设备进行故障诊断。本发明实现了双模态信号的有效融合、跨工况域泛化与传感器故障鲁棒诊断，适用于复杂变工况工业环境下的设备状态识别与故障诊断。

本发明涉及输电线路状态监测与故障定位技术领域，公开一种基于云边协同的输电线路状态评估预警系统、方法及设备。系统包括多个边缘监测终端和云端状态评估预警平台。云端根据可调用波形记录和线路节点拓扑确定候选故障区间、当前定位结果层级及目标节点；根据接收开始信息、接收结束信息及是否形成可调用波形记录确定目标节点对应波形记录的接收处理状态，在接收中或接收完成但尚未形成可调用波形记录时保持故障事件开启；满足初步闭合条件且当前可调用波形记录支持至少一种定位路径时，选择定位路径并生成定位结果和预警信息。本发明可降低关键波形仍在传输或处理时故障事件提前闭合的风险。