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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京航空航天大學(xué)申請的專利基于遷移學(xué)習(xí)的電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117113805B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23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)?專利號為：202310837552.7，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)基于遷移學(xué)習(xí)的電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法是由張森皓;趙萬忠;王春燕;梁為何;徐坤豪設(shè)計研發(fā)完成，并于2023-07-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于遷移學(xué)習(xí)的電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法在說明書摘要公布了：本發(fā)明公開了一種基于遷移學(xué)習(xí)的電?液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法，步驟如下：對結(jié)合注意力機制的1DCNN?LSTM神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；基于遷移學(xué)習(xí)對等效液壓機構(gòu)故障值估計模塊進行訓(xùn)練；基于結(jié)合注意力機制的1DCNN?LSTM神經(jīng)網(wǎng)絡(luò)對電?液復(fù)合線控轉(zhuǎn)向系統(tǒng)進行實時故障診斷。本發(fā)明方法基于試驗數(shù)據(jù)充分的電動機構(gòu)故障診斷神經(jīng)網(wǎng)絡(luò)進行遷移學(xué)習(xí)來獲取準(zhǔn)確的液壓機構(gòu)故障診斷神經(jīng)網(wǎng)絡(luò)，從而保證故障診斷精度。

本發(fā)明授權(quán)基于遷移學(xué)習(xí)的電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法在權(quán)利要求書中公布了：1.一種基于遷移學(xué)習(xí)的電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)故障診斷方法，其特征在于，步驟如下：1對結(jié)合注意力機制的1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練：11試驗數(shù)據(jù)采集：分別采集重型車輛正常狀態(tài)、不同故障值的電動機構(gòu)故障狀態(tài)和液壓機構(gòu)故障狀態(tài)時，電機電流傳感器、螺母位移傳感器、液壓缸流量傳感器、方向盤傳感器的數(shù)據(jù)及相應(yīng)的等效故障值，并按時序建立數(shù)據(jù)集；12建立結(jié)合注意力機制的1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)，結(jié)合注意力機制的1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)包括故障類型識別模塊、1D-CNN特征濾波模塊、轉(zhuǎn)向特征提取模塊、等效電動機構(gòu)故障值估計模塊和等效液壓機構(gòu)故障值估計模塊；13基于電動機構(gòu)故障集對結(jié)合注意力機制的1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)中故障類型識別模塊、1D-CNN特征濾波模塊、轉(zhuǎn)向特征提取模塊及等效電動機構(gòu)故障值估計模塊進行有監(jiān)督訓(xùn)練；2基于遷移學(xué)習(xí)對等效液壓機構(gòu)故障值估計模塊進行訓(xùn)練：21對等效電動機構(gòu)故障值估計模塊進行遷移，基于液壓機構(gòu)故障數(shù)據(jù)集采用微調(diào)對等效電動機構(gòu)故障值估計模塊的超參數(shù)進行修正，從而使1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)估計得到液壓機構(gòu)的故障值；22基于電動機構(gòu)故障數(shù)據(jù)集和液壓機構(gòu)故障數(shù)據(jù)集通過基于聯(lián)合誤差函數(shù)的動態(tài)樣本分配策略對1D-CNN特征濾波模塊和轉(zhuǎn)向特征提取模塊進行參數(shù)修正以使電動機構(gòu)故障估計結(jié)果和液壓機構(gòu)故障估計結(jié)果均達到好的效果；3基于結(jié)合注意力機制的1DCNN-LSTM神經(jīng)網(wǎng)絡(luò)對電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)進行實時故障診斷：31故障類型識別模塊根據(jù)實時采集到的電機電流、螺母位移和液壓缸流量識別當(dāng)前故障類型；321D-CNN特征濾波模塊根據(jù)實時采集到的電機電流、螺母位移和液壓缸流量進行系統(tǒng)特征提取；轉(zhuǎn)向特征提取模塊根據(jù)實時采集到的方向盤轉(zhuǎn)角信號提取得到駕駛員轉(zhuǎn)向趨勢特征；將系統(tǒng)特征與駕駛員轉(zhuǎn)向趨勢特性進行融合獲取包含轉(zhuǎn)向系統(tǒng)當(dāng)前各部分的工作狀態(tài)和轉(zhuǎn)向系統(tǒng)的運動趨勢的新特征圖V；33基于步驟31中的當(dāng)前故障類型將步驟32中的新特征圖V輸入到對應(yīng)的等效電動機構(gòu)故障值估計模塊或等效液壓機構(gòu)故障值估計模塊計算得到當(dāng)前電-液復(fù)合線控轉(zhuǎn)向系統(tǒng)的故障值。

如需購買、轉(zhuǎn)讓、實施、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)人南京航空航天大學(xué)，其通訊地址為：210016 江蘇省南京市秦淮區(qū)御道街29號；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)”。