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！

龙图腾网恭喜交通运输部水运科学研究所申请的专利一种基于深度神经网络的船用桨叶故障识别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：CN111562094B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202010304198.8，技术领域涉及：G01M13/00；该发明授权一种基于深度神经网络的船用桨叶故障识别方法是由周家海;李定国;王伟;宁文龙;陈庆为;肖玉华;朱旺峰;皮雳;陈玲玲设计研发完成，并于2020-04-15向国家知识产权局提交的专利申请。

本一种基于深度神经网络的船用桨叶故障识别方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的船用桨叶故障识别方法，该方法包含以下步骤：1将振动传感器组安装在连接船舶螺旋桨的艉轴结构、变速箱和柴油机处；2通过振动传感器采集数据，依据振动传感器编号进行数据排列，提取振动检测数据序列；3采集大量船舶螺旋桨桨叶的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4使用VGGNet网络作为船用桨叶故障识别模型网络对数据集进行训练，得到对应船用桨叶故障识别模型。本发明方法提供了一种通过对船用螺旋桨连接结构振动检测数据进行深度神经网络提取数据特征，方法所需运算量小，船用桨叶故障识别率高。

本发明授权一种基于深度神经网络的船用桨叶故障识别方法在权利要求书中公布了：1.一种基于深度神经网络的船用桨叶故障识别方法，其特征包括以下步骤：1将振动传感器组安装在连接船舶螺旋桨的艉轴结构、变速箱和柴油机处；2通过振动传感器采集数据，依据振动传感器编号进行数据排列，提取振动检测数据序列；3采集大量船舶螺旋桨桨叶的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4使用VGGNet网络作为船用桨叶故障识别模型网络对数据集进行训练，得到对应船用桨叶故障识别模型；所述步骤2通过振动传感器采集数据，依据振动传感器编号进行数据排列，提取振动检测数据序列，具体包括：3.1所有振动传感器同时开始采集振动数据，根据传感器编号，对应位置数据记为g1，g2，g3，g4，g5，g6，g7；3.2整理任意采集时间段内的振动数据，组成序列数据，如下： 式中：D表示任意采集时间段内振动检测数据序列，t0，tn分别表示任意采集时间段的起点和终点；所述步骤3采集大量船舶螺旋桨桨叶的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集，具体包括：4.1采集大量船舶螺旋桨连接结构的振动检测数据序列，检测序列数据可以是任意时间段内的；4.2将采集到的振动检测数据序列打上数据标记，数据标记分为6类；将标签结果向量化，表示成一个6维向量，向量元素分别对应正常、桨叶变形、桨叶干涉摩擦、桨叶鸣音、桨叶气蚀和桨叶断裂6种振动检测结果，若对应存在记为1，否则记为0；4.3将采集到的振动检测数据序列进行数据增广操作，随机地将振动检测数据序列某一行的元素设置成0，添加到振动检测数据序列集；4.4将振动检测数据增广操作后的振动检测数据序列集按比例ε划分模型训练数据集STRA和模型验证数据集STES，ε取值如下：

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交通运输部水运科学研究所，其通讯地址为：100088 北京市海淀区西土城路8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”。