买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种基于两级强化决策边界的直线电机气隙故障分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115099314B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210655023.0，技术领域涉及：G06F18/2431；该发明授权一种基于两级强化决策边界的直线电机气隙故障分类方法是由张永;张菁;周巨贵;袁堂文;查显春;黄成;单梁;王力立设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本一种基于两级强化决策边界的直线电机气隙故障分类方法在说明书摘要公布了：本发明公开了一种基于两级强化决策边界的直线电机气隙故障分类方法，该方法为：对训练集进行OVA划分；对每组二类子数据集进行第一级边界强化，计算每组子数据集中单纯类与非单纯类的占比，根据占比以及计算得到的合成新样本分配权重和分配序列，对单纯类进行改进的Borderline‑SMOTE过采样或RUS欠采样；更新所有组样本数量，不重复地组合各单纯类样本形成新的不平衡数据集，进行OVO划分；对每组二类子数据集进行第二级边界强化，根据计算得到的合成新样本分配权重和分配序列，对少数类进行过采样，划分边界区域，对多数类非边界区域样本进行欠采样，多次循环得到平衡数据集。本发明提高了直线电机气隙故障的分类效率。

本发明授权一种基于两级强化决策边界的直线电机气隙故障分类方法在权利要求书中公布了：1.一种基于两级强化决策边界的直线电机气隙故障分类方法，其特征在于，包括以下步骤： 步骤1、使用测距和测温传感器采集直线电机气隙槽楔数据，形成不平衡的直线电机气隙故障多分类数据集，设定原始数据集T＝A1,A2,…,AN，Ai表示第i个类，i∈N，N为样本类别总数目，每个类别含有样本数量分别表示为C1,C2,…,CN，将原始数据集T按类别随机划分70％为训练集T1，30％为测试集T2；训练集T1共含有CTotal个样本，对原始数据集使用OVA分解策略，完全拆分成m1＝N组二类子数据集对Purei,Impurei，其中Purei表示为单纯类样本，Impurei表示为非单纯类样本，计算单纯类样本数量总占比其中i＝1,2,…,m1，CPurei表示单纯类样本数量，CImpurei表示非单纯类样本数量； 步骤2、计算每组单纯类样本与非单纯类样本的数值比进行第一级决策边界强化，引入预设控制因子计算合成样本分配权重和分配序列，当τi1时，对单纯类样本进行改进的Borderline-SMOTE过采样；当τi1时，对单纯类样本的处于非边界样本集合进行RUS欠采样，其中i＝1,2,…,m1； 步骤3、更新步骤2得到的所有单纯类样本数量，组合所有单纯类样本形成新的多类不平衡数据集T1′，共含有CTotal′个样本，对其使用OVO分解策略，完全拆分成组二类子数据集对Minorityi,Majorityi，计算少数类样本数量总占比其中i＝1,2,…,m2，CMinorityi表示少数类样本数量，CMajorityi表示多数类样本数量； 步骤4、对每组二类子数据集依次进行第二级决策边界强化，即引入预设控制因子设置循环过程L和预定不平衡度πpreset：在第h次循环中计算合成样本的分配权重和分配序列，对少数类样本进行改进的Borderline-SMOTE过采样，更新少数类样本数量，然后对多数类样本的处于非边界样本集合进行RUS欠采样，更新多数类样本数量，计算不平衡度πh；多次循环后得到相对平衡数据集，即πh＝πpreset，终止上述循环L，对下一组二类子数据集进行上述循环操作，直至完成所有二类子数据集的第二级决策边界强化； 步骤5、对步骤4完成两级决策边界强化后的平衡多类数据集进行分类训练测试，采用SVM作为基分类器，用平衡二类子数据集训练基分类器，用训练好的分类器对测试集T2进行预测，采用加权投票策略进行结果集成得到直线电机气隙故障分类的最终预测结果，并计算macro-F1作为评价指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。