基于统计约束的SMOTE和自步残差的故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提供一种基于统计约束的SMOTE和自步残差的故障诊断方法,该方法包括:基于SMOTE算法根据样本机组的不平衡数据集得到生成样本数据,根据生成样本数据的统计特征对生成样本数据进行筛选得到平衡数据集;基于残差网络得到平衡数据集对应的故障类别预测标签,确定故障类别预测标签与故障类别真实标签的损失值;基于动态自步函数对损失值进行更新得到目标函数,并对目标函数进行优化,使用优化后的目标函数对残差网络进行训练;将目标机组的运行数据输入训练后的残差网络中,得到残差网络输出的目标机组的故障类别预测标签。本发明提升训练样本的质量和模型对少数类别样本的特征学习能力,从而提高对少数类样本的故障识别精度。
《基于统计约束的SMOTE和自步残差的故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024109183425,当前法律状态为已下证,由广东石油化工学院提出申请,发明人为荆晓远;廖珂;刘飞;邓晋珏;陈俊均;姚永芳,申请日期为2024-07-10,公开(公告)日期为2025-05-13,国际专利分类号(IPC)为 G06F 18/213 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明提供一种基于统计约束的SMOTE和自步残差的故障诊断方法,该方法包括:基于SMOTE算法根据样本机组的不平衡数据集得到生成样本数据,根据生成样本数据的统计特征对生成样本数据进行筛选得到平衡数据集;基于残差网络得到平衡数据集对应的故障类别预测标签,确定故障类别预测标签与故障类别真实标签的损失值;基于动态自步函数对损失值进行更新得到目标函数,并对目标函数进行优化,使用优化后的目标函数对残差网络进行训练;将目标机组的运行数据输入训练后的残差网络中,得到残差网络输出的目标机组的故障类别预测标签。本发明提升训练样本的质量和模型对少数类别样本的特征学习能力,从而提高对少数类样本的故障识别精度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
