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！

龙图腾网获悉中国二十二冶集团有限公司;二十二冶集团雄安发展有限公司申请的专利一种基于分数阶神经网络的阻尼器监测异常识别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：CN120541734B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511037172.0，技术领域涉及：G06F18/2433；该发明授权一种基于分数阶神经网络的阻尼器监测异常识别方法是由夏晗铎;张祥;赵言;刘振兴;王月娟;赵凯;高超;尚一凡;周峰;于志福;彭辉;欧阳思南设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本一种基于分数阶神经网络的阻尼器监测异常识别方法在说明书摘要公布了：本发明涉及阻尼器监测与异常识别技术领域，公开一种基于分数阶神经网络的阻尼器监测异常识别方法，包括：采用分布式传感器网络对阻尼器运行状态进行实时监测并存储，得到原始数据集，并采用基于小波变换的自适应滤波算法进行滤波处理，之后联合短时傅里叶变换与希尔伯特变换提取特征信息，进行非线性量化与离散化映射；对离散的监测数据进行标注，得到训练样本，对分数阶神经网络模型进行训练，训练过程中采用多种优化策略对模型进行分阶段优化；利用训练好的模型对待识别监测数据进行异常数据识别。本发明结合小波变换、短时傅里叶变换和希尔伯特变换准确提取信号特征，结合多种优化策略对模型进行分阶段优化，提高异常检测的准确性。

本发明授权一种基于分数阶神经网络的阻尼器监测异常识别方法在权利要求书中公布了：1.一种基于分数阶神经网络的阻尼器监测异常识别方法，其特征在于，包括以下步骤： S1，数据采集与存储：采用分布式传感器网络对阻尼器运行状态进行实时监测，并将各传感器监测数据以结构化文本格式存储，得到原始数据集； S2，数据预处理与离散化：对原始数据集，采用基于小波变换的自适应滤波算法进行滤波处理，对滤波后信号，联合短时傅里叶变换与希尔伯特变换提取特征信息，并进行非线性量化与离散化映射，获得离散的监测数据； S3，分数阶神经网络模型训练：对离散的监测数据进行标注，得到训练样本，利用训练样本对分数阶神经网络模型进行训练，训练过程中采用多种优化策略对模型进行分阶段优化，所述优化策略包括数据分布加权调节、梯度累积机制与动态衰减策略、分数阶微积分理论、参数空间旋转方法、梯度归一化与稀疏性调节策略； S4，阻尼器监测异常识别：利用训练好的分数阶神经网络模型对待识别监测数据进行异常数据识别； 所述S3中，训练过程中采用多种优化策略对模型进行分阶段优化，具体包括： S301，在初始化阶段，采用标准神经分数阶神经网络初始化方法并通过数据分布加权调节初始权重，并依据初始特征向量的二范数实现对加权因子的动态调节； S302，在梯度累积与衰减阶段，通过采用梯度累积机制和动态衰减策略，确定每次迭代训练时的衰减因子和每次迭代累积的非线性调节梯度，依据累积梯度更新权重，得到每次迭代更新后的权重矩阵； S303，在分数阶梯度更新阶段，针对阻尼器监测异常数据识别任务中对异常数据细微变化的检测，在权重变化量计算时，通过采用分数阶微积分理论对梯度更新进行修正，实现对复杂非线性关系和长尾特征的高效捕捉； S304，在参数空间旋转策略阶段，通过采用参数空间旋转方法，在每次权重更新前对参数矩阵进行旋转变换，实现多方向搜索，优化阻尼器监测异常数据识别任务中参数空间的探索； S305，在高维特征调节与梯度约束阶段，基于采用梯度归一化与稀疏性调节技术，首先确定每次迭代的损失函数梯度，依据梯度稀疏性调节特征向量更新，在每次迭代训练过程中动态优化特征贡献，得到迭代更新后的特征向量； S306，在动态学习率调整阶段，通过采用基于训练进程、损失变化和累积梯度信息的非线性调节机制，实现分数阶神经网络的学习率的动态衰减； S307，在分数阶神经网络模型的迭代训练过程中，基于当前权重矩阵和特征向量，执行前向传播计算，生成预测输出，并根据预测结果与真实标签的差异，计算迭代的损失函数； S308，重复迭代上述步骤S302-S307，直至满足预设的停止迭代条件，即表示模型训练完成。

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中国二十二冶集团有限公司;二十二冶集团雄安发展有限公司，其通讯地址为：063000 河北省唐山市丰润区幸福道16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。