(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110683543.8 (22)申请日 2021.06.21 (65)同一申请的已公布的文献号 申请公布号 CN 113468805 A (43)申请公布日 2021.10.01 (73)专利权人 国网黑龙江省电力有限公司电力 科学研究院 地址 150030 黑龙江省哈尔滨市香坊区建 北街61号 专利权人 国网电力科 学研究院武汉南瑞 有 限责任公司 　 国网电力科 学研究院有限公司 　 国家电网有限公司 　 国网黑龙江省电力有限公司 　 上海科崎物联网科技有限公司 (72)发明人 周文　朱学成　孙巍　梁建权　 王悦　江翼　张静　刘正阳　周扬　 张健　张朋　蒋宝兰　(74)专利代理 机构 上海世圆知识产权代理有限 公司 31320 专利代理师 陈颖洁　王佳妮 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) (56)对比文件 CN 112241608 A,2021.01.19 CN 109918752 A,2019.0 6.21 US 20210 56693 A1,2021.02.25 CN 112161784 A,2021.01.01 CN 111090954 A,2020.0 5.01 CN 107656180 A,2018.02.02 US 202015 0622 A1,2020.0 5.14 洪晟 等.基 于迁移学习方法的安全运行状 态评估综述. 《航空工程进 展》 .2020,第1 1卷(第4 期),454-46 0. 廖瑞金等.输 变电设备状态评估方法的研究 现状. 《高电压技 术》 .2018,(第1 1期),20-30. 审查员 谢琳 (54)发明名称 传感器极寒环境可靠性评估方法、 电子设备 及存储介质 (57)摘要 本申请公开了一种传感器极寒环境可靠性 评估方法、 电子设备及存储介质。 该传感器极寒 环境可靠性评估 方法包括： 采集传感器运行数据 样本步骤、 搭建神经网络步骤、 读取神经网络参 数步骤、 更新神经网络参数步骤、 优化神经网络 参数步骤、 迭代训练步骤、 构建适配层步骤以及 迁移学习步骤。 本发明与现有技术相比具有以下 优点： 针对传感器在极寒环境的可靠性评估， 不 需要布置 试验环境； 节省传感器可靠性评估的成 本和时间。 权利要求书2页 说明书6页 附图2页 CN 113468805 B 2022.10.14 CN 113468805 B 1.一种传感器极寒环境可靠性评估方法， 其特 征在于， 包括 步骤： 采集传感器运行数据样本步骤， 获取传感器运行数据样本， 按照常温状态和低温状态 将传感器的运行数据样本分为常温时的源域XS和低温时的目标域Xt； 所述源域XS及所述目 标域Xt中均包括环境 参数； 搭建神经网络步骤， 搭建一神经网络f( ·)， 所述神经网络f( ·)与所述环境参数ω及 传感器的首次故障时间T相关； 读取神经网络参数步骤， 所述神经网络的参数随机初始记为(w0,b0)， 其中w0表示神经 网络每层网络的权 重， b0表示神经网络每层网络的偏差； 更新神经网络参数步骤， 将所述源域XS参数向量输入神经网络进行计算， 得到神经网络 预测首次故障时间t0， 计算所述神经网络预测的首次故障时间t0与实际首次故障时间T的时 间偏差Loss0， 根据时间偏差L oss0更新神经网络的初始参数(w0,b0)为(w1,b1)； 优化神经网络参数步骤， 再次将所述源域XS参数向量输入到更新过参数的神经网络模 型中， 得到新的首次故障时间t1， 再次计算首次故障时间t1与实际首次故障时间T的时间偏 差Loss1， 根据Loss1更新神经网络的参数(w1,b1)为(w2,b2)； 迭代训练步骤， 重复所述优化神经网络参数步骤n次， 直到最终时间偏差Lossn收敛， 得 到最终神经网络参数(wn,bn)； 构建适配层步骤， 在原始的神经网络模型 的基础上新增一适配层形成最 终神经网络模型ftarget(ω)， 所述适配层用所述源域XS和所述目标域 Xt的最大均值差异距离 MMD(XS， Xt)来衡量所述源域XS和所述目标域Xt之间的距离； 以及 迁移学习步骤， 将所述目标域Xt输入至所述神经网络中进行训练以更新损失函数为 Ltarget＝Loss'+λMMD(Xs,Xt)； 其中Ltarget为总损失函数， λ为 混淆强度系数， Lo ss′为目标域Xt 输入到原有神经网络 模型中得到的首次故障时间t ′与传感器低温环境下实 际首次故障时间T ′的时间偏差； 取Ltarget收敛时的参数(wtarget,btarget)作为最终模型ftarget (ω)的参数； 验证最终模型有效性步骤， 将传感器在最终模型 的模拟极寒环境下运行 状态可靠度与实际极寒环境下运行状态可靠度进行对比， 以验证最终模型ftarget(ω)的有 效性。 2.根据权利要求1所述的传感器极寒环境可靠性评估方法， 其特征在于， 所述源域XS包 括环境参数数据集 Ω＝{ω1， ω2，…， ωn}以及相应环 境参数下的首次故障时间T， 其中ω为 对应的环境 参数， n为第n种环境。 3.根据权利要求1所述的传感器极寒环境可靠性评估方法， 其特征在于， 所述目标域Xt 包括环境参数数据集Ω ′＝{ω′1， ω′2，…， ω′n}以及相应环境参数下的首次故障时间T ′， 其中ω’为对应的环境 参数， n为第n种环境。 4.根据权利要求1所述的传感器极寒环境可靠性评估方法， 其特征在于， 所述环境参数 数据集中的相应环境 参数ω、 ω ’包括温度、 湿度、 盐雾、 酸雾中的一种或多种。 5.根据权利要求2或3所述的传感器极寒环境可靠性评估方法， 其特征在于， 所述传感 器的首次故障时间T在传感器寿命总时长范围内的失效概率为f(t)， 所述传感器的失效分权　利　要　求　书 1/2 页 2 CN 113468805 B 2布函数F(t)为 所述传感器的可靠度函数R(t)为R(t)＝1 ‑F (t)＝ ∫t∞f(t)dt。 6.根据权利要求5所述的传感器极寒环境可靠性评估方法 ， 其特征在于 ， Rn(t)为环境n下传感器预期可靠度， 为神经网络模型， 下标(wn,bn)表示神经网络模型参数。 7.根据权利要求1所述的传感器极寒环境可靠性评估方法， 其特征在于， 所述适配层用 所述源域XS和所述目标域Xt的最大均值差异 距离MMD(XS， Xt)为 其中， Xs为源域的分布； 为源域中第i个数据； Xt为目标域的分布； 为目标域中第j个数据； ns为源域中样本数量； nt为目标域中样本数量； 为映射关系， 把原变量关系映射到再生核希尔伯特空间。 8.一种电子设备， 其特征在于， 包括存储器和 处理器； 所述存储器存储有计算机程序， 所述处理器用于运行所述存储器内的计算机程序， 以执行权利要求 1至7任一项 所述的传感 器极寒环境可靠性评估方法中的操作。 9.一种存储介质， 其特征在于， 所述存储介质存储有多条指令， 所述指令适于处理器进 行加载， 以执 行权利要求1至7任一项所述的传感器极寒环境可靠性评估方法中的步骤。权　利　要　求　书 2/2 页 3 CN 113468805 B 3