一种基于卷积神经网络—集成分类器的旋挖钻机液压系统故障诊断方法(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CNN‑集成分类器的旋挖钻机液压系统故障诊断方法和系统,属于旋挖钻机液压系统故障诊断技术领域。方法包括:提取反应旋挖钻机液压系统故障状态的原始数据,通过连续小波变换将数据处理成适合卷积神经网络输入的图像,通过前向传递和误差反向传播训练卷积神经网络,将卷积神经网络每一池化层和全连接层输出的特征图分别送入支持向量机、K近邻和随机森林分类器,通过分类熵组合策略确定故障类型并输出对应的故障原因。解决了目前单一靠卷积神经网络完成故障特征提取和故障分类所存在的分类精度不足和浅层故障特征利用不足的问题,本发明方法使卷积神经网络的特征提取能力得到最大化利用并提高了故障诊断精度。
《一种基于卷积神经网络—集成分类器的旋挖钻机液压系统故障诊断方法(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 2022115601424,当前法律状态为已下证,由吉林大学提出申请,发明人为杜浩然;王继新;王海金;李想;刘超勤;冯晨龙,申请日期为2022-12-07,公开(公告)日期为2025-09-16,国际专利分类号(IPC)为 G06F 18/24 (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CNN‑集成分类器的旋挖钻机液压系统故障诊断方法和系统,属于旋挖钻机液压系统故障诊断技术领域。方法包括:提取反应旋挖钻机液压系统故障状态的原始数据,通过连续小波变换将数据处理成适合卷积神经网络输入的图像,通过前向传递和误差反向传播训练卷积神经网络,将卷积神经网络每一池化层和全连接层输出的特征图分别送入支持向量机、K近邻和随机森林分类器,通过分类熵组合策略确定故障类型并输出对应的故障原因。解决了目前单一靠卷积神经网络完成故障特征提取和故障分类所存在的分类精度不足和浅层故障特征利用不足的问题,本发明方法使卷积神经网络的特征提取能力得到最大化利用并提高了故障诊断精度。
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!
