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！

龙图腾网获悉沈阳工业大学申请的专利一种重型装备数据预处理的故障诊断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：CN117216651B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202311086551.X，技术领域涉及：G06F18/241；该发明授权一种重型装备数据预处理的故障诊断方法是由曲星宇;燕秋雨;王鑫;杨光;宋夏;毕天轶;崔楠;杨雷;吕佳;张冕;李昌健设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本一种重型装备数据预处理的故障诊断方法在说明书摘要公布了：一种重型装备数据预处理的故障诊断方法，属于重型装备控制技术领域，包括如下步骤：步骤S01：获取重型装备故障诊断数据集；步骤S02：将采集好的重型装备故障诊断数据集进行数据清洗，将清洗好的数据通过MS‑UMAP降维；步骤S03：将降维后的重型装备故障诊断数据集分为训练集和测试集，通过训练集采用贝叶斯优化算法对全连接神经网络的超参数优化求解，获取最优故障诊断模型；步骤S04：设置DNN模型的激活函数，根据贝叶斯优化之后的最优超参数组合构建DNN模型，通过测试集对训练好的最优DNN故障诊断模型进行故障诊断测试。本发明解决了重型装备数据维度高耦合性强导致诊断准确率低的问题。

本发明授权一种重型装备数据预处理的故障诊断方法在权利要求书中公布了：1.一种重型装备数据预处理的故障诊断方法，其特征在于：包括如下步骤： 步骤S01：获取重型装备故障诊断数据集； 步骤S02：将采集好的重型装备故障诊断数据集进行数据清洗，检查数据异常值和缺失值，缺失数据通过取近十组数据信息的平均值进行填补，异常值直接删除异常数据，将清洗好的数据通过MS-UMAP降维，将降维后的数据用于DNN模型的输入； 步骤S03：将降维后的重型装备故障诊断数据集分为训练集和测试集，通过训练集采用贝叶斯优化算法对全连接神经网络的超参数优化求解，获取最优故障诊断模型； 步骤S04：设置DNN模型的激活函数，根据贝叶斯优化之后的最优超参数组合构建DNN模型，通过测试集对训练好的最优DNN故障诊断模型进行故障诊断测试； 所述步骤S02中，所述MS-UMAP降维具体步骤如下： 采用改进的UMAP算法，获得改进后的原始数据空间的方向相似性度量，构建原始高维空间度量，改进的UMAP算法公式如下： 6； 式中表示数据点xi和xj相关性的概率，d1xi,xj表示为xi和xj之间的马氏距离，xi，xj表示第i个和第j个样本数据，ρi是xi到最近邻的距离，σi是尺度参数；采用公式8构建低维嵌入空间： 8； 式中：为嵌入空间中点和之间的相似性的对称度量，变量和是超参数； 利用公式9将公式6和8的两个空间联系起来，使二者差距缩到最小，即两个空间最相似，完成降维； 9； 式9中表示和的交叉熵损失函数，表示输入空间中的点xi和xj之间的相似性的对称度量； 所述步骤S03具体步骤如下： 将降维后的重型装备数据的70%作为训练集，把DNN超参数的寻优视作黑盒模型问题，如下式表示： 14； 其中，为DNN模型最优超参数组合，X为由超参数定义的搜索空间，为DNN模型； 选择高斯过程作为贝叶斯优化的代理模型 18； 式中，mX为均值函数，为协方差函数，为噪声项，根据采样函数EI函数得到模型的后验分布： 23； 式中表示期望，f*表示为当前已有采样最小函数值，和分别表示累积分布函数CDF和概率密度函数PDF，为预测均值，为预测方差；通过采集函数从训练集中采样新的观测点进行迭代，不断更新概率代理模型，逐步提高代理模型的准确率，直到寻找到最优的超参数组合，获取最优故障诊断模型。

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沈阳工业大学，其通讯地址为：110000 辽宁省沈阳市经济技术开发区沈辽西路111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。