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！

龙图腾网获悉鹏城实验室申请的专利工业系统故障检测方法、模型训练方法以及相关设备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：CN119939417B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411989930.4，技术领域涉及：G06F18/2431；该发明授权工业系统故障检测方法、模型训练方法以及相关设备是由陈武兴;余志文;张凡;蒋俊设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本工业系统故障检测方法、模型训练方法以及相关设备在说明书摘要公布了：本申请实施例提供了一种工业系统故障检测方法、模型训练方法以及相关设备，属于故障诊断技术领域。工业系统故障检测方法包括：获取包括正类别故障数据和负类别故障数据样本故障数据；将样本故障数据输入构建好的初始故障检测模型中，分别对正类别故障数据和负类别故障数据进行映射处理，得到相应的正样本特征和负样本特征；基于正样本特征确定第一类内散度矩阵，基于负样本特征确定第二类内散度矩阵，并基于第一类内散度矩阵和第二类内散度矩阵，确定目标损失函数；基于目标损失函数对初始故障检测模型进行训练，将获取到的初始故障数据输入训练好的故障检测模型中，得到相应的目标故障检测结果。本申请能够提高工业系统故障检测结果的准确度。

本发明授权工业系统故障检测方法、模型训练方法以及相关设备在权利要求书中公布了：1.一种工业系统故障检测方法，其特征在于，包括： 获取样本故障数据，其中，所述样本故障数据包括正类别故障数据和负类别故障数据； 将所述样本故障数据输入预先构建好的初始故障检测模型中，分别对所述正类别故障数据和所述负类别故障数据进行映射处理，得到相应的正样本特征和负样本特征； 基于所述正样本特征确定第一类内散度矩阵，基于所述负样本特征确定第二类内散度矩阵，并基于所述第一类内散度矩阵和所述第二类内散度矩阵，确定目标损失函数； 基于所述目标损失函数对所述初始故障检测模型进行训练，直至达到训练停止条件，得到训练好的故障检测模型； 获取目标工业系统待分析的初始故障数据，将所述初始故障数据输入所述故障检测模型中，得到所述目标工业系统相应的目标故障检测结果； 所述分别对所述正类别故障数据和所述负类别故障数据进行映射处理，得到相应的正样本特征和负样本特征，包括： 基于预设的第一随机映射函数，分别对所述正类别故障数据和所述负类别故障数据进行初始映射处理，得到初始正样本特征和初始负样本特征； 基于预设的第二随机映射函数，分别对所述初始正样本特征和所述初始负样本特征进行增强映射处理，得到增强正样本特征和增强负样本特征； 叠加所述初始正样本特征和所述增强正样本特征，得到所述正样本特征，并叠加所述初始负样本特征和所述增强负样本特征，得到所述负样本特征； 所述基于所述正样本特征确定第一类内散度矩阵，基于所述负样本特征确定第二类内散度矩阵，包括： 确定所述正类别故障数据相应的第一样本数量，并确定所述负类别故障数据相应的第二样本数量； 根据所述正样本特征和所述第一样本数量之间的比值，确定第一均值向量值，并根据所述负样本特征和所述第二样本数量之间的比值，确定第二均值向量值； 基于所述第一均值向量值确定所述第一类内散度矩阵，并基于所述第二均值向量值确定所述第二类内散度矩阵； 所述基于所述第一均值向量值确定所述第一类内散度矩阵，并基于所述第二均值向量值确定所述第二类内散度矩阵，包括： 对所述正样本特征进行转置处理，得到正转置结果，并对所述负样本特征进行转置处理，得到负转置结果； 计算所述正转置结果与所述第一均值向量之间的第一差值，对所述第一差值进行转置处理得到第一转置结果，并计算所述第一差值和所述第一转置结果的第一乘值； 基于所述第一差值和所述第一样本数量之间的比值，确定所述第一类内散度矩阵； 计算所述负转置结果与所述第二均值向量之间的第二差值，对所述第二差值进行转置处理得到第二转置结果，并计算所述第二差值和所述第二转置结果的第二乘值； 基于所述第二差值和所述第二样本数量之间的比值，确定所述第二类内散度矩阵。

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鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街2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。