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！

龙图腾网获悉湖南工业大学申请的专利基于回归-神经网络的列车牵引风机噪声小样本预测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：CN115544859B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211026106.X，技术领域涉及：G06F30/27；该发明授权基于回归-神经网络的列车牵引风机噪声小样本预测方法是由李涛;汪敏琪;贺钰瑶;杨军;丁荣军;何静;梅文庆;胡云卿;高纪明;肖磊;张昌凡;吴晓婷;李燕设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于回归-神经网络的列车牵引风机噪声小样本预测方法在说明书摘要公布了：本发明提供了基于回归‑神经网络的列车牵引风机噪声小样本预测方法，其包括以下步骤：获取列车牵引系统风机噪声相关的影响因素，采集若干组相互独立的影响因素数据，建立多元回归模型，通过最小二乘法得到经验多元回归模型组得到回归系数,将影响因素数据中的异常点数据筛除；将完成筛除后的影响因素数据输入至模糊神经网络；在模糊隐含层中根据模糊规则推算出隶属度值后采用连乘函数激活隶属度值；通过双层模糊隐含层计算输出预测值。本发明通过模糊神经网络的结构减少冗余层数以实现模型最简化，减少计算量提高计算速度，可以准确在小样本噪声数据下预测，从而实现列车牵引系统风机噪声正向设计，消减列车系统及零部件领域先制造再降噪的行业痼疾。

本发明授权基于回归-神经网络的列车牵引风机噪声小样本预测方法在权利要求书中公布了：1.基于回归-神经网络的列车牵引风机噪声小样本预测方法，其特征在于，包括以下步骤： S1：获取列车牵引系统风机噪声相关的影响因素，所述影响因素包括叶片数，静压，流量，转速；采集若干组相互独立的影响因素数据，建立多元回归模型，通过最小二乘法得到经验多元回归模型组得到回归系数,将影响因素数据中的异常点数据筛除; S2：将完成筛除后的影响因素数据输入至模糊神经网络； S3：在模糊隐含层中根据模糊规则推算出隶属度值后采用连乘函数激活隶属度值； S4：通过双层模糊隐含层计算输出噪声预测值，具体包括： 通过双层模糊隐含层计算输出噪声预测值 其中为模糊系数，j为模糊隐含层节点数，共k个节点，通常由以往经验得出设定，为模糊隐含层的输出，其表达式为式 定义FNN训练期间的代价函数为 式中，d为期望输出，y为网络预测输出，e为网络预测误差；根据代价函数，采用随机梯度下降法更新网络参数，参数更新公式如下： 式中，η，β表示为学习率，n表示第n时刻。

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湖南工业大学，其通讯地址为：412000 湖南省株洲市泰山西路88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”。