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！

龙图腾网获悉宁波力斗智能技术有限公司申请的专利基于云理论与核密度的大规模电路故障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：CN116720103B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310611976.1，技术领域涉及：G06F18/24；该发明授权基于云理论与核密度的大规模电路故障诊断方法及系统是由刘美容;段涛;刘慧设计研发完成，并于2023-05-26向国家知识产权局提交的专利申请。

本基于云理论与核密度的大规模电路故障诊断方法及系统在说明书摘要公布了：本发明公开了一种基于云理论的Epanechnikov核密度估计的贝叶斯模型的大规模电路故障诊断方法及系统，属于大规模模拟电路故障诊断领域，采集电路撕裂后的模块化集成电路的故障信息，用逆向发生器产生每种故障下云的数字特征，用正向云发生器得到每种故障模式下的若干云滴，使用标准云模型计算样本集下各特征与对应故障状态的隶属度值，根据隶属度矩阵确定每种故障特征下的云滴，来扩展故障样本集，用Epanechnikov核密度估计的贝叶斯模型计算每个故障类别下的后验概率密度值来得到故障诊断结果。本发明结合了云理论和贝叶斯核密度的方法，有效解决网络撕裂后状态信息单一和故障样本集少等问题，融合了数据信息和先验知识，大大提高了故障准确度。

本发明授权基于云理论与核密度的大规模电路故障诊断方法及系统在权利要求书中公布了：1.一种基于云理论的Epanechnikov核密度估计的贝叶斯模型的大规模电路故障诊断方法，其特征在于，包括： 建立大规模电路原理图，选取模块化撕裂节点的电压作为诊断信号，根据元器件不同故障下对故障类别进行编码分类，采集不同故障下的撕裂节点的电压构成初始样本集； 将不同故障下的撕裂节点的电压构成的初始样本集，使用云模型的逆向发生器来产生每种故障下云的数字特征期望、熵及超熵； 由每种故障下云的数字特征期望、熵及超熵，利用正向云发生器得到每种故障下的若干云滴，以还原众多可测节点电压值，对于每一种电路故障模式，都用云来描述故障模式的随机性和模糊性，以及两者之间的关联性，而故障模式下的故障样本集中的元素则可认为是构成的云滴； 利用标准云模型来计算初始样本集下各电压值与对应故障状态的隶属度值构成隶属度矩阵，根据故障的隶属度矩阵来确定每种故障电压值下的云滴，以扩展初始样本集； 将扩展后的初始样本集划分若干折交叉验证，用Epanechnikov核密度估计的贝叶斯模型计算测试集中每个故障类别下的后验概率密度值； 将新获取的测试样本归为后验概率密度值最高的类别，得到诊断结果； 所述将扩展后的初始样本集划分若干折交叉验证，用Epanechnikov核密度估计的贝叶斯模型计算测试集中每个故障类别下的后验概率密度值，包括： 将扩展后的初始样本集进行交叉验证分为训练集和测试集； 在贝叶斯模型中，通过测试集中若干个独立同分布的样本能够得到Epanechnikov核密度估计的似然函数，根据贝叶斯定理得到Epanechnikov核密度估计的似然函数的后验分布，进而得到每个故障类别下的后验概率密度值； 所述将新获取的测试样本归为后验概率密度值最高的类别，得到诊断结果，包括： Epanechnikov核密度估计的贝叶斯模型来对故障数据进行分类，将待测故障的电压数据点视为一个向量，并使用Epanechnikov核密度估计方法来估计每个故障类别的概率密度函数； 将待测故障的电压数据点投影到每个故障类别的概率密度函数上，计算出在每个类别下的概率密度值，将待测故障的电压数据点归为概率密度值最高的类别； 所述将待测故障的电压数据点投影到每个故障类别的概率密度函数上，计算出在每个类别下的概率密度值，将待测故障的电压数据点归为概率密度值最高的类别，包括： 将待测故障电压数据点视为一个向量，向量中包含若干个特征，将向量中的特征分别与该类别的后验均值相减，得到的每个元素除以该类别的后验方差作为自变量代入Epanechnikov核函数中，得到新的向量取平均值，得到待测故障样本在该类别下的概率密度值； 计算该类别的后验方差的行列式的平方根的倒数，与得到的概率密度值相乘来归一化概率值； 根据贝叶斯定理计算待测故障电压数据点在每个故障类别下的后验概率密度值，将待测故障电压数据点归为概率密度值最高的类别。

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宁波力斗智能技术有限公司，其通讯地址为：315153 浙江省宁波市海曙区石碶街道横涨村；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”。