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！

龙图腾网获悉苏州工学院申请的专利基于深度强化学习的故障诊断系统及其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：CN120791813B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511318424.7，技术领域涉及：B25J9/16；该发明授权基于深度强化学习的故障诊断系统及其方法是由李向丽;周林成设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本基于深度强化学习的故障诊断系统及其方法在说明书摘要公布了：本发明公开了基于深度强化学习的故障诊断系统及其方法，涉及故障诊断技术领域，将传感器的历史输出数据进行反向补偿，得到第一标准输出数据；对每个传感器的第一标准输出数据进行核密度估计；分析工业机器人在不同环境因素下的故障概率，得到第二标准输出数据；获取工业机器人的实时传感器输出数据，通过故障类型的深度强化学习模型对工业机器人的故障类型进行诊断；通过分析不同环境数据对传感器输出数据的影响，对传感器输出数据进行反向补偿，减少环境数据差异对诊断模型的影响；根据工业机器人故障的概率密度函数，使得工业机器人在不同的环境数据下故障概率相符，实现在不同环境下的连续故障诊断，提高故障诊断的效率。

本发明授权基于深度强化学习的故障诊断系统及其方法在权利要求书中公布了：1.基于深度强化学习的故障诊断方法，其特征在于，包括以下步骤： 获取工业机器人上传感器的历史输出数据； 将传感器的历史输出数据进行反向补偿，去除环境因素带来的偏差，得到第一标准输出数据； 对每个传感器的第一标准输出数据进行核密度估计，得到工业机器人故障概率与传感器第一标准输出数据之间的概率密度函数； 分析工业机器人在不同环境因素下的故障概率，调整反向补偿方式，去除环境因素带来的偏差，得到第二标准输出数据； 根据所有传感器的第二标准输出数据，训练故障类型的深度强化学习模型；获取工业机器人的实时传感器输出数据，通过故障类型的深度强化学习模型对工业机器人的故障类型进行诊断； 所述将传感器的历史输出数据进行反向补偿，去除环境因素带来的偏差，得到第一标准输出数据还包括以下步骤： 获取工业机器人运行时的所有环境数据，从中选择一个环境数据作为参考环境数据并记为Eb；获取在环境数据Eb和其他环境数据下工业机器人上传感器的输出数据Outb和Out，计算Out和Outb的差值，训练差值和环境数据之间的拟合模型； 将环境数据Eb和其他环境数据下工业机器人上传感器的输出数据划分成训练集和测试集，将其他环境数据作为输入，训练集中差值Out-Outb作为输出，训练神经网络拟合模型；将验证集中其他环境数据输入到神经网络拟合模型中，得到差值的拟合值，根据差值的拟合值和实际值对神经网络拟合模型的效果进行验证；将其他环境数据输入到通过验证的神经网络拟合模型中，得到差值的拟合值，将差值的拟合值与其他环境数据下的输出数据进行运算得到第一标准输出数据； 所述对每个传感器的第一标准输出数据进行核密度估计，得到工业机器人故障概率与传感器第一标准输出数据之间的概率密度函数还包括以下步骤： 获取工业机器人在所有环境数据下传感器的历史输出数据，对存在故障的数据进行标注，并对传感器的历史输出数据去除环境因素带来的偏差，得到第一标准输出数据； 根据历史冶炼数据生成数据集：设置传感器输出数据的节点x1、x2、…、xn，式中n为节点的数量；令X表示第一标准输出数据随机变量，获取第一标准输出数据随机变量X大于等于a1时，标注数据出现的概率P{X≥a1}，P{X≥a1}=na1Na1，式中na1表示第一标准输出数据大于等于a1且存在故障的数量，Na1表示第一标准输出数据大于等于a1的数量；按照与传感器输出数据节点x1相同的方式，得到第一标准输出数据X大于等于a2、…、an时，标注数据出现的概率P{X≥a2}、…、P{X≥an}；由a1和P{X≥a1}、a2和P{X≥a2}、…、an和P{X≥an}形成n个数据点，将数据点分别记为x1、x2、…、xn得到数据集； 通过核密度估计得到故障出现概率与第一标准输出数据之间的概率密度函数fx；设置一个具有非负性和对称性且在实数域R上的积分为1的核函数；选择大于零的常数作为核函数K的带宽h；根据带宽h对核函数进行缩放得到Kh，其中Khu=1h×Kuh，u为核函数的输入；获取数据集中数据点xi对估计点x的贡献率Khx-xi；将数据集中所有数据点对估计点x的贡献率进行相加，得到估计点x处的核密度估计值fx；fx=1∑Khx-xi；通过改变估计点x的位置，得到故障出现概率在整个数据集上的核密度估计；所述数据集为传感器输出数据最小值到最大值之间的区间；对核函数的效果进行验证，并通过交叉验证选择验证效果最佳的带宽h。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99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。