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！

龙图腾网获悉吉林大学申请的专利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：CN115879026B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211560142.4，技术领域涉及：G06F18/24；该发明授权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是由杜浩然;王继新;王海金;李想;刘超勤;冯晨龙设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一种基于卷积神经网络-集成分类器模型的旋挖钻机故障诊断方法，包括如下步骤： 步骤1、数据采集：分别获取旋挖钻机液压系统正常状态和故障状态时的液压压力信号、液压流量信号、液压温度信号、电机振动信号和电机功率信号； 步骤2、数据预处理：将采集的旋挖钻机正常状态和故障状态下的原始信号进行归一化处理，通过重叠采样增加样本数量，利用连续小波变换将采集的液压系统原始状态信号转换为时频谱，并且将时频谱以灰度图像的形式显示； 步骤3、将经过预处理后的数据划分为训练集和验证集； 步骤4、搭建CNN网络模型提取数据特征， 所述的CNN网络模型由输入层、隐含层和输出层组成，其中隐含层由第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层和全连接层依次连接构成，输出层为Softmax分类层； 首先随机初始化CNN网络模型参数，然后在离线过程中，使用步骤3中获得的训练集对网络模型进行预先训练；训练过程中计算softmax分类层的损失函数，并通过Adam优化算法最小化损失函数以此来更新CNN网络模型参数；反复训练若干次后通过验证集验证模型，当精度满足要求后，得到预训练好的CNN网络模型； 步骤5、将在线监测的旋挖钻机液压系统各部分数据输入预训练好的CNN网络模型提取数据特征，提取出网络模型中第一池化层、第二池化层、第三池化层、第四池化层和全连接层的计算结果；每一层的结果分别送入支持向量机分类器、随机森林分类器和K临近分类器，并通过分类熵组合策略获取最终诊断结果和故障原因； 其中，所述的分类熵组合策略的执行步骤如下： 计算基本分类器的混淆矩阵， 式中，Mi表示第i个分类器；表示第i个分类器将带有标签j的样本分类成标签为k的概率；L为标签的数量； 计算总精度和局部精度， 计算每个分类器的权重， Wij＝exp2Lacij-βTACi β是常数 计算分类熵 si表示第i个分类器的分类结果， 获取集成分类结果 步骤6、输出诊断结果及对应故障原因。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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”。