科创中国
基于维修或故障拓扑变化场景的神经网络模型建模方法
发布时间: 2026-07-31
基本信息
合作方式：
技术咨询
成果类型：
发明专利
行业领域：
新一代信息技术产业
成果介绍
在大型电力设备或工业复杂系统运行过程中，维修作业或故障突发极易导致内部基本组成设备之间的连接关系发生动态拓扑改变。由于大型设备内部线路错综复杂、空间狭窄且人员难以进入，传统方式难以精准定位拓扑结构的变化位置，影响作业人员对设备内部状态的准确把握与诊断决策。为此，本成果提出了一种基于维修或故障拓扑变化场景的神经网络模型建模方法。核心技术方案构建了包含识别层、正则化层和判断层的神经网络模型；在识别层建立多视角放缩的拓扑节点识别机制与基于射线判定法的复杂交错拓扑链路识别机制；在正则化层基于特征值对正则节点进行排序构建正则化模型；在判断层引入随机权重与学习矫正机制，并通过实景拓扑化机制实现
初始与变化后拓扑图像的不同位置精确输出。本成果彻底解决了复杂工业设备内部拓扑变动隐蔽、定位困难及人工诊断易误判的难题，广泛应用于大型电力变压器、开关柜、工业控制柜等设备的智能故障诊断与维修校验场景。
成果亮点
1. 多视角放缩节点自主识别：构建包含拍摄视角均匀分割与等比放缩序列的参考图像集合，有效
解决了因视角和距离差异导致的复杂设备部件自主识别难题。
2. 复杂交错线缆链路精确追踪：创新提出基于线缆直径识别与切线延伸判定射线的轨迹追踪算法
，完美解决多线缆交叉重叠时的归属判断与拓扑链路构建。
3. 拓扑正则化与基准对齐建模：按连接链路特征值构建正则节点与正则化模型，确保结构变动前
后基准一致，为拓扑差异比对提供了高可靠性的数学模型。
4. 学习矫正与实景拓扑动态比对：引入多权重分配验证与识别比例优化机制，结合实景拓扑化绘
制，实现拓扑变化位置的秒级精准定位与可视化直观输出。
团队介绍
本成果由安徽继远软件有限公司、国网浙江省电力有限公司及国家电网有限公司联合研发。团队由计算机视觉、神经网络算法、设备故障诊断及电网智能运维领域的专业技术骨干组成。团队长期从事大型电力装备状态监测、神经网络建模与数字孪生技术研究，具备扎实的算法攻关能力与丰富的现场运维经验。团队拥有成熟的成果转化体系，能够针对工业复杂场景提供高精度的AI建模与诊断解决方案，相关成果已在多个电力运维项目中得到验证与应用。
成果资料
下载app