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！

龙图腾网获悉华北电力大学;国核自仪系统工程有限公司申请的专利一种基于改进深度森林的智能BIT设计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：CN116070158B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211662089.9，技术领域涉及：G06F18/2431；该发明授权一种基于改进深度森林的智能BIT设计方法是由黄从智;郭云泉;王巍;刘玉升;侯国莲;张建华设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于改进深度森林的智能BIT设计方法在说明书摘要公布了：本发明涉及人工智能领域，尤其涉及一种基于改进深度森林的智能BIT设计方法，包括，S1，对重型燃气轮机控制系统的模拟量输出模块进行BIT数据采集，形成模拟量输出模块的功能电路BIT采样历史数据集；S2，采用经验模态分解算法对所述功能电路BIT采样历史数据集进行特征提取；S3，将S2中提取到的特征向量采用分类树回归算法训练随机森林决策树，并将提取到的特征向量采用旋转策略训练旋转森林；S4，训练改进的深度森林，采集模拟量输出模块的功能电路BIT采样在线数据集，并通过改进的深度森林对功能电路BIT采样在线数据集进行正常、间歇故障和永久故障三种状态的识别；本发明通过构建深度森林，对模拟量输出通道电路BIT状态的精准分类。

本发明授权一种基于改进深度森林的智能BIT设计方法在权利要求书中公布了：1.一种基于改进深度森林的智能BIT设计方法，其特征在于，包括， 步骤S1，对重型燃气轮机控制系统的模拟量输出模块进行BIT数据采集，形成模拟量输出模块的功能电路BIT采样历史数据集； 步骤S2，采用经验模态分解算法对所述功能电路BIT采样历史数据集进行特征提取； 步骤S3，将步骤S2中提取到的特征向量采用分类树回归算法训练随机森林决策树，并将提取到的特征向量采用旋转策略训练旋转森林； 步骤S4，训练改进的深度森林，采集模拟量输出模块的功能电路的BIT采样在线数据集，并通过改进的深度森林对功能电路BIT采样在线数据集进行正常、间歇故障和永久故障三种状态的识别； 对不同工作状态下的模拟量输出模块的功能电路可表征功能电路状态的电流或电压进行采样，其中包括模拟量输出模块的功能电路的正常数据、所述永久故障数据和所述间歇故障数据，得到所述功能电路BIT采样历史数据集，采用所述经验模态分解算法对功能电路BIT采样历史数据集进行特征提取，并构造每种状态的所述特征向量，作为训练决策树的输入，包括， 第一步，寻找功能电路BIT采样历史数据集X中的全部极值点，通过样条曲线将局部极大值点连成上包络线，局部极小值点连成下包络线，上下包络线之间包含全部数据点； 第二步，由上包络线和下包络线的平均值m1，得出，h1＝X－m1，若h1满足内涵模态分量，在整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不超过1个，在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，则可认为h1是X的第一个IMF分量； 第三步，若不符合IMF条件，则将h1作为原始数据，重复所述第一步、所述第二步，得到上、下包络的均值m11，通过计算h11＝h1－m11是否适合IMF分量的必备条件，若不满足，重复如上两步p次，直到满足IMF条件，得到第一个IMF分量c1，c1＝h1p； 第四步，将c1从X中分离得到r1，r1＝X－c1，将r1作为原始信号重复第一步至第三步，循环q次，得到第二个至第q个IMF分量c2至cq，则 第五步，当rq变成单调函数后，rq称为残余分量，停止分解，此时原始信号被分解为q个IMF分量和一个单点函数rq之和，即， 第六步，用各IMF分量构造特征向量， 将所有的样本都进行EMD特征提取后，组成数据集D， 其中Tn代表第n种状态的特征向量，代表第n种状态的第q个IMF分量； 对提取到的所述特征向量进行k折交叉验证，数据集D是由特征向量Tn组成的，将数据集D等比例化为k个大小互斥的子集，每次将k－1个子集的并集作训练集，另一份作验证集，最终得到k组训练样本，将此k组数据作为训练决策树的输入； 将所述k组数据集采用CART算法训练随机森林决策树，从所述数据集D所有的A个属性中随机选出一个包含A′＝log2A个属性的子集，再在A′中以当前数据基尼指数最小的作为属性特征继续参与下次分支，基尼指数公式为： 用GiniA决定随机森林决策树分支的生长方向，当前节点所包含的样本都属于同一类别，或当前节点所覆盖的样本个数小于某一阈值分裂停止，然后对这棵树采用错误率降低剪枝法进行适当剪枝，从而生产一棵随机森林决策树，对其余的k-1组数据分别采用CART算法训练随机森林决策树，得到k棵随机森林决策树； 将提取到的所述特征向量采用旋转策略训练旋转森林； 将每组训练集进行75％重采样得到所述数据集D中的训练样本Dk，采用主成分分析对所述训练样本Dk进行变换，得到该训练样本的主成分系数特征向量Pk＝[p1k,p2k,…,pdk]，将k个所述特征向量合并成对角系数矩阵R， 并根据所述特征向量对应的原始样本特征位置重新旋转得到矩阵R*，重构新样本Xnew＝X×R*，用Xnew训练旋转森林决策树； 将随机森林和旋转森林组合构成改进的深度森林的一层，将随机森林和旋转森林的决策结果与数据集D作为所述改进的深度森林下一层的输入。

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华北电力大学;国核自仪系统工程有限公司，其通讯地址为：102206 北京市昌平区回龙观北农路2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”。

以上内容由龙图腾AI智能生成。