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！

龙图腾网获悉武汉理工大学申请的专利基于改进河马算法优化SVM的阀门泄露诊断方法及系统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：CN119441998B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411502755.1，技术领域涉及：G06F18/2411；该发明授权基于改进河马算法优化SVM的阀门泄露诊断方法及系统是由赵宁;王瑞雪;兰远翔;王柯设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于改进河马算法优化SVM的阀门泄露诊断方法及系统在说明书摘要公布了：本发明提出基于改进河马算法优化SVM的阀门泄露诊断方法及系统，涉及阀门泄露诊断技术领域，包括：采集原始信号；对采集的原始信号进行分解，得到有限个IMF分量；计算模糊熵，并构建特征向量；将特征向量作为数据样本，划分为训练集、验证集和测试集；利用训练集对SVM模型进行训练，根据验证集在训练后的SVM模型上的分类错误率，基于改进河马算法对SVM模型的参数进行迭代寻优，得到优化后的SVM模型；将测试集输入优化后的SVM模型中，得到阀门泄露诊断模型；获取新的声发射信号，输入阀门泄露诊断模型中，得到诊断结果。本发明不仅能够提高诊断模型的分类准确率和泛化能力，还能够增强模型在不同工况和环境噪声下的稳定性。

本发明授权基于改进河马算法优化SVM的阀门泄露诊断方法及系统在权利要求书中公布了：1.基于改进河马算法优化SVM的阀门泄露诊断方法，其特征在于，包括： S1、采集不同压力和阀门开度条件下的声发射信号，作为原始信号； S2、对采集的原始信号进行自适应白噪声完整经验模态分解，得到有限个IMF分量； S3、计算各IMF分量与原始信号的相关系数，选取相关系数大于预设阈值的IMF分量，计算选定IMF分量的模糊熵，并构建特征向量； S4、将特征向量作为数据样本，划分为训练集、验证集和测试集； S5、利用训练集对SVM模型进行训练，根据验证集在训练后的SVM模型上的分类错误率，基于改进河马算法对SVM模型的参数进行迭代寻优，得到最优参数，并获取优化后的SVM模型； 步骤S5包括： S51、选择SVM模型的惩罚参数c和核参数g作为目标优化参数，将惩罚参数c和核参数g进行对数编码为河马算法中的个体位置； S52、设置种群数量N、最大迭代次数T和上下边界参数，利用组合混沌映射初始化种群； S53、对每个参数组合ci,gi，使用训练集训练SVM模型，在验证集上计算适应度值； S54、按照改进河马算法迭代更新种群，在每次迭代中，对当前最优解进行局部搜索，当达到迭代停止条件，则输出最优解，即最优参数组合； S55、将最优参数组合进行反对数变换，得到最优参数c和g； 步骤S54包括： S541、根据生成的初始化种群X＝{X1,X2,…,XN}，计算种群中每个个体Xi的适应度值Fi； S542、根据适应度值的大小，记录当前最优个体Xbest及其适应度Fbest； S543、对当前最优个体Xbest进行局部搜索，获取局部候选解，计算局部候选解的适应度值，若大于Fbest，则将该局部候选解及其适应度值替换为当前最优个体Xbest及其适应度Fbest； S544、对于每个个体Xi，根据非线性自适应权重策略更新位置； S545、以预设概率对个体Xi进行变异； S546、计算新的个体的适应度值，若优于当前最优个体，则更新Xbest及Fbest； S547、若达到最大迭代次数或满足精度要求，则输出最优解Xbest，否则，返回步骤S542重新迭代； 步骤S544中，非线性自适应权重策略包括非线性自适应权重因子ω，根据非线性自适应权重因子ω更新河马个体的位置，河马个体位置更新公式和权重因子ω表达式如下： 式中，T为最大迭代次数，t为当前迭代次数，和为种群中随机选取的两个不同个体，β为学习因子，为个体当前位置，为个体更新位置，为当前迭代中的最优个体； 步骤S545中，对个体Xi进行变异的公式如下： 其中，rand为[0,1]之间的随机数，Xmin和Xmax为变量的取值范围； S6、将测试集输入优化后的SVM模型中，预测阀门状态，计算分类准确率，并评估模型性能，根据评估结果微调模型，得到阀门泄露诊断模型； S7、获取新的声发射信号，对信号进行分解和特征提取后，输入阀门泄露诊断模型中，得到诊断结果。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。

以上内容由龙图腾AI智能生成。