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！

龙图腾网恭喜重庆大学申请的专利CNN-BLRNET热误差预测模型及其迁移学习方法和智能集成框架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：CN115657600B 。

龙图腾网通过国家知识产权局官网在2024-11-12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：202211362282.0，技术领域涉及：G05B19/408；该发明授权CNN-BLRNET热误差预测模型及其迁移学习方法和智能集成框架是由马驰;张浪;刘佳兰;王时龙设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本CNN-BLRNET热误差预测模型及其迁移学习方法和智能集成框架在说明书摘要公布了：本发明公开了一种CNN‑BLRNET热误差预测模型，包括依次设置第一输入层、CNN层、BLRNET模型、dropout层、flatten层、dense层和第一输出层；BLRNET模型包括第二输入层、ReLU层和第二输出层，ReLU层和输出层之间设有串联的至少两个RESNET单元，RESNET单元包括直接映射部分和跳转连接部分，直接映射部分包括依次设置的卷积层Ⅰ、最大池化层Ⅰ和BILSTM层，跳转连接部分包括依次设置的卷积层Ⅱ和最大池化层Ⅱ；能够提取热误差数据的空间特征和时间特征，能够提高预测精度和鲁棒性。本发明还公开了一种CNN‑BLRNET热误差预测模型的迁移学习方法，能够提高模型的泛化能力，以适应不同的工作条件；本发明还公开了一种智能集成框架，能够提供包括热误差控制、状态监测和故障诊断的数据服务。

本发明授权CNN-BLRNET热误差预测模型及其迁移学习方法和智能集成框架在权利要求书中公布了：1.一种利用CNN-BLRNET热误差预测模型对热误差进行预测的方法，其特征在于：包括：1将热误差数据输入CNN-BLRNET热误差预测模型的输入层；2利用CNN层处理数据，以提取重要的数据局部特征；利用最大池化层进一步提取局部最大特征，获得数据初始特征信息；3利用BLRNET模型提取数据的时间特征；4数据依次进入dropout层、flatten层和dense层，将二维矢量转换为一维矢量进行输出，得到热误差预测值；其中，所述CNN-BLRNET热误差预测模型包括依次设置第一输入层、CNN层、BLRNET模型、dropout层、flatten层、dense层和第一输出层；所述BLRNET模型由BILSTM网络嵌入到RESNET网络中构成，且所述BLRNET模型包括第二输入层、ReLU层和第二输出层，所述ReLU层和第二输出层之间设有串联的至少两个RESNET单元，所述RESNET单元包括直接映射部分和跳转连接部分，所述直接映射部分包括依次设置的卷积层Ⅰ、最大池化层Ⅰ和BILSTM层，所述跳转连接部分包括依次设置的卷积层Ⅱ和最大池化层Ⅱ，BILSTM层的和最大池化层Ⅱ之间设有加法运算符。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。