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！

龙图腾网获悉浙江大学申请的专利一种基于极小极大熵协同训练的高炉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：CN115496124B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210957539.0，技术领域涉及：G06F18/2415；该发明授权一种基于极小极大熵协同训练的高炉故障诊断方法是由杨春节;高大力设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种基于极小极大熵协同训练的高炉故障诊断方法在说明书摘要公布了：本发明公开了一种基于极小极大熵协同训练的高炉故障诊断方法，属于工业过程监控、建模和仿真领域。首先，使用深度神经网络构建一个双视图特征提取器对高炉的历史数据与待测数据进行特征提取，其输出分别送入两个分类器以计算特征与每种炉况代表向量的余弦相似度。通过分类器和特征提取器分别交替最大化和最小化待测高炉数据的条件熵来实现对历史高炉数据的知识迁移。当两个分类器对高炉炉况识别结果一致，且至少一个分类器持高置信度时，将输出炉况标签分配于待测高炉数据。本发明解决了由于高炉故障样本少，数据分布随工况改变波动较大而造成的传统故障诊断方法准确率低的问题，能够广泛应用于对故障诊断有高可信度和准确度要求的工业系统。

本发明授权一种基于极小极大熵协同训练的高炉故障诊断方法在权利要求书中公布了：1.一种基于极小极大熵协同训练的高炉故障诊断方法，其特征在于，步骤如下： 步骤一：利用高炉历史数据对深度神经网络进行权值训练，该神经网络中特征提取器中最后一层全连接层中的向量值即为所提取的特征值，将高炉历史数据的故障诊断误差与双视图的权重内积的L1范数总和作为损失函数，在训练达到预设的迭代次数或损失函数低于预设值之后将权值固定； 步骤二：神经网络形成一种从高炉过程变量到高炉故障类别的非线性映射，通过神经网络计算有标签高炉数据进行分类，并计算分类损失值； 步骤三：将无标签高炉输入神经网络，计算神经网络输出值的熵值； 步骤四：使用随机梯度下降法，以最小化分类损失值，最大化熵值为目标对神经网络中的分类器参数进行更新，使分类器的权重向量向无标签的待测高炉数据偏移，获得待测高炉数据中的类中心； 步骤五：高炉待测数据的特征向量向相应的类别中心聚拢，来实现对待测高炉数据的低密度分离，使用随机梯度下降法，以最小化分类损失值且最小化熵值为目标对神经网络中的特征提取器参数进行更新； 步骤六：当两个分类器对高炉炉况识别结果一致，并且至少一个分类器对此结果持高置信度时，将输出的高炉炉况标签值分配于待测高炉数据； 步骤七：将获得炉况标签值的待测高炉数据从无标签高炉数据集中移除，并将其加入有标签高炉数据集； 步骤八：对步骤二到步骤七进行循环迭代，直到对所有无标签的待测高炉数据完成炉况识别。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。