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！

龙图腾网恭喜北京交通大学申请的专利一种基于动态核宽的机电复合传动系统健康状态辨识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：CN119537867B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510105114.0，技术领域涉及：G06F18/20；该发明授权一种基于动态核宽的机电复合传动系统健康状态辨识方法是由王彪;申泽林;伊枭剑;秦勇;徐其志设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于动态核宽的机电复合传动系统健康状态辨识方法在说明书摘要公布了：本发明公开了一种基于动态核宽的机电复合传动系统健康状态辨识方法，属于机械设备智能运维技术领域，包括：获取机电复合传动系统数据集；搭建健康状态辨识网络框架；对所述辨识网络框架的各层参数进行初始化，并将稀疏卷积层的卷积核权重参数沿输出通道分为多个组，每个组对应一个搜索区域；前向传播并计算损失；动态核宽层卷积计算优化，稀疏函数训练优化；重复前向传播，损失计算，稀疏更新和梯度更新，直至迭代任务结束，获得对应的机电复合传动系统健康状态辨识模型；基于该模型实现对机电复合传动系统的健康状态辨识。该方法利用稀疏函数指导动态核宽层的卷积计算，并降低了训练的复杂度，实现了大感受野和低计算复杂度的平衡。

本发明授权一种基于动态核宽的机电复合传动系统健康状态辨识方法在权利要求书中公布了：1.一种基于动态核宽的机电复合传动系统健康状态辨识方法，其特征在于，包括以下步骤：S1、获取机电复合传动系统数据集；所述数据集包含多源传感器信号数据及其对应的标签；S2、搭建健康状态辨识网络框架；所述框架包括多个动态核宽层、最大池化层和全连接层，其中动态核宽层包括稀疏卷积层和1x1卷积层；S3、对所述辨识网络框架的各层参数进行初始化，并将稀疏卷积层的卷积核权重参数沿输出通道分为多个组，每个组对应一个搜索区域；S4、前向传播并计算损失，包括：将所述数据集作为所述辨识网络框架的输入，根据健康状态辨识结果和真实标签计算损失；S5、动态核宽层卷积计算优化，包括：通过稀疏函数指导稀疏卷积层的卷积核权重激活，并动态调整感受野大小；S6、稀疏函数训练优化，包括：在前向传播过程中，通过分组搜索的方式更新稀疏函数，并在每Δt迭代中根据余弦退火函数衰减更新权重数量；S7、重复步骤S4至S6，直至迭代任务结束，获得对应的机电复合传动系统健康状态辨识模型；基于该模型实现对机电复合传动系统的健康状态辨识；其中，所述步骤S5包括：给定第l层的输入特征图和卷积核权重其中，k为卷积核大小，cl为第l层的输出通道数，cl-1为第l-1层的输出通道数即第l层的输入通道数；h为卷积操作后特征图的高度，w为卷积操作后特征图的宽度；对于提出的动态核宽层中步长为1和0填充的稀疏卷积运算公式如下： 其中，表示第j个输出通道的输出特征表示，表示整数集合，是稀疏函数，Zlφli,j表示φli,j的激活权重，是第i,j通道中的核，*表示逐元素乘积，以及·表示卷积算子；Zl·是在训练过程中学习的稀疏函数，满足‖Zl·‖0≤1-SNl，其中，稀疏率0≤S＜1，||·||0表示L0范数，Nl＝cl-1×cl×1×k，当S＞0时卷积核是稀疏的；稀疏函数随后输入到核宽为1的卷积层计算后再经ReLU激活，其中第j个输入通道的卷积输出结果为Yj：Yj＝Oj*w1+bOj表示动态核宽层中1x1卷积的输出特征图，其维度与输入特征图相同；w1表示卷积对应的权重，b表示偏置项；在动态核宽层中动态调整k获得不同的感受野以实现高效特征提取。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。