買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請的專利一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118311941B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202410285875.4，技術(shù)領(lǐng)域涉及：G05B23/02；該發(fā)明授權(quán)一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法是由吳麒;張寶康;張文安;仇翔;陳威;劉嘉帥;顧曹源;薛洪鍇設(shè)計(jì)研發(fā)完成，并于2024-03-13向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法在說明書摘要公布了：本發(fā)明公開了一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法，采用傳感器采集指定狀態(tài)下多軸運(yùn)動(dòng)控制系統(tǒng)的輸出時(shí)間序列，并進(jìn)行小波分解后，計(jì)算出對應(yīng)的相對小波能量熵和預(yù)設(shè)的其他統(tǒng)計(jì)特征，然后通過加權(quán)組合構(gòu)造復(fù)合健康指標(biāo)，為不同指定狀態(tài)建立各自的高斯混合隱馬爾可夫模型，采用高斯混合隱馬爾可夫模型獲取復(fù)合健康指標(biāo)的后驗(yàn)概率。通過最小化優(yōu)化目標(biāo)函數(shù)，迭代調(diào)整復(fù)合健康指標(biāo)的權(quán)重系數(shù)和高斯混合隱馬爾可夫模型的模型參數(shù)。本發(fā)明技術(shù)方案故障分類精度高、可解釋性強(qiáng)，且無需部署額外的傳感器。

本發(fā)明授權(quán)一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法在權(quán)利要求書中公布了：1.一種非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法，其特征在于，所述非侵入式數(shù)模聯(lián)動(dòng)的控制系統(tǒng)故障檢測方法，包括：采用傳感器采集指定狀態(tài)下多軸運(yùn)動(dòng)控制系統(tǒng)的輸出時(shí)間序列，并進(jìn)行小波分解后，計(jì)算出對應(yīng)的相對小波能量熵和預(yù)設(shè)的其他統(tǒng)計(jì)特征；對相對小波能量熵和預(yù)設(shè)的其他統(tǒng)計(jì)特征進(jìn)行歸一化處理得到歸一化特征，然后對歸一化特征通過加權(quán)組合構(gòu)造復(fù)合健康指標(biāo)；為不同指定狀態(tài)建立各自的高斯混合隱馬爾可夫模型，采用高斯混合隱馬爾可夫模型獲取復(fù)合健康指標(biāo)的后驗(yàn)概率；通過最小化優(yōu)化目標(biāo)函數(shù)，迭代調(diào)整復(fù)合健康指標(biāo)的權(quán)重系數(shù)和高斯混合隱馬爾可夫模型的模型參數(shù)；其中，所述通過加權(quán)組合構(gòu)造復(fù)合健康指標(biāo)，采用如下公式： ；其中，表示第r類狀態(tài)的第個(gè)特征對應(yīng)的權(quán)重系數(shù)，表示采樣點(diǎn)下第類狀態(tài)的第個(gè)歸一化特征，G表示歸一化特征的數(shù)量；所述通過最小化優(yōu)化目標(biāo)函數(shù)，迭代調(diào)整復(fù)合健康指標(biāo)的權(quán)重系數(shù)和高斯混合隱馬爾可夫模型的模型參數(shù)，包括：構(gòu)造第r類指定狀態(tài)的優(yōu)化目標(biāo)函數(shù)： ；其中，表示在時(shí)間處的實(shí)際標(biāo)簽，表示后驗(yàn)概率，是權(quán)重系數(shù)之和，表示參數(shù)的上界，為滑窗后的樣本總數(shù)；在目標(biāo)函數(shù)中引入懲罰項(xiàng)，將原始約束問題轉(zhuǎn)化為無約束問題，即： ；其中，，是超參數(shù)，R表示指定狀態(tài)的總數(shù)量；使用梯度下降法最小化優(yōu)化目標(biāo)函數(shù)，求解得到復(fù)合健康指標(biāo)的權(quán)重系數(shù)和高斯混合隱馬爾可夫模型的模型參數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市下城區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。