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！

龙图腾网恭喜重庆邮电大学申请的专利一种航空发动机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：CN115859177B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202211479507.0，技术领域涉及：G06F18/2411；该发明授权一种航空发动机的故障诊断方法是由庞育才;杨周;肖云鹏;韦世红;段思睿;李暾;李茜;李薛宏设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种航空发动机的故障诊断方法在说明书摘要公布了：本发明涉及一种航空发动机的故障诊断方法，包括获取具有标签信息的原始航空发动机故障数据并将原始航空发动机故障数据划分为训练集和测试集；将训练集输入稀疏自编码器SAE并通过反向传播机制对稀疏自编码器SAE进行训练；将测试集中的样本输入训练好的稀疏自编码器SAE通过隐藏层降维得到稀疏样本向量；将稀疏样本向量输入SVM多分类器输出稀疏样本向量的预测结果，根据稀疏样本向量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算SVM多分类器的最优参数；将目标航空发动机故障数据的稀疏样本向量输入SVM多分类器输出目标航空发动机故障数据的故障类别。

本发明授权一种航空发动机的故障诊断方法在权利要求书中公布了：1.一种航空发动机的故障诊断方法，其特征在于，包括：S1：获取具有标签信息的原始航空发动机故障数据并将原始航空发动机故障数据划分为训练集和测试集；所述标签信息包括：航空发动机的故障类别；S2：将训练集输入稀疏自编码器SAE并通过反向传播机制对稀疏自编码器SAE进行训练；S3：将测试集中的样本输入训练好的稀疏自编码器SAE通过隐藏层降维得到稀疏样本向量；S4：将稀疏样本向量输入SVM多分类器输出稀疏样本向量的预测结果，根据稀疏样本向量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算SVM多分类器的最优参数；所述根据稀疏样本向量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算SVM多分类器的最优参数包括：S41：设置粒子群的迭代次数、空间维度和粒子的数量，随机初始化每个粒子的速度和位置；S42：将粒子的位置在空间每个维度的分量作为SVM多分类器的参数，并根据该参数下SVM多分类器对稀疏样本向量的预测结果和稀疏样本向量的标签信息的欧式距离作为粒子的适应度值，更新粒子的最佳适应度值和群体粒子的最佳适应度值；S43：更新粒子的速度和位置；S44：重步骤S43-S44直至达到预设的迭代次数为止，输出当前群体粒子的历史最佳适应度值对应的SVM多分类器的参数得到SVM多分类器的最优参数；S5获取目标航空发动机故障数据并计算目标航空发动机故障数据的稀疏样本向量，将目标航空发动机故障数据的稀疏样本向量输入SVM多分类器输出目标航空发动机故障数据的故障类别。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。