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！

龙图腾网获悉重庆大学申请的专利一种基于集成学习的多尺度仪表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：CN119848667B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411927310.8，技术领域涉及：G06F18/2415；该发明授权一种基于集成学习的多尺度仪表故障诊断方法是由柴毅;张可;陈小龙;范林川;谢非;徐开雄设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种基于集成学习的多尺度仪表故障诊断方法在说明书摘要公布了：本发明公开了一种基于集成学习的多尺度仪表故障诊断方法，涉及故障诊断技术领域，包括以下步骤：步骤S1、多尺度故障信息转换；步骤S2、获取多个模型的仪表故障诊断结果；步骤S3、融合来自不同尺度故障信息的多个诊断决策。本发明采用上述一种基于集成学习的多尺度仪表故障诊断方法，集成不同诊断方法提高诊断性，使得基于集成学习的诊断方法预处理繁琐和多尺度的故障序列蕴含多样的故障信息，解决了仪表故障诊断的集成方法预处理繁琐和诊断率不高的问题，实现了方便实用且精确的仪表故障诊断，有利于提高仪表工业应用使用的可靠性。

本发明授权一种基于集成学习的多尺度仪表故障诊断方法在权利要求书中公布了：1.一种基于集成学习的多尺度仪表故障诊断方法，其特征在于，包括以下步骤： 步骤S1、采用平均池化层将故障序列压缩为多粒度子序列，以便固定核大小从子序列和原始序列中提取多尺度故障信息，实现多尺度故障信息转换； 步骤S2、将多尺度故障信息转换后的时间序列输入多个相同的全卷积诊断模型，获取多个模型的仪表故障诊断结果； 步骤S3、融合来自不同尺度故障信息的多个诊断决策，通过全连接层再次计算获取最终的仪表故障模式概率分布； 步骤S1中有n个平均池化层用于多尺度故障信息转换，n通过下式获得： 其中，l表示时间序列样本的长度，m是n的最大值，设置为5，f表示原始模型的第一个滤波器的大小； 步骤S2的具体步骤包括： 将经过尺度故障信息转化的多个时间序列输入n个全卷积网络诊断模型，每个全卷积网络诊断模型由三个特征提取器、一个全局平均池化层和一个softmax层组成； FCN的特征提取器如下式所示： 其中，BN和ReLU分别表示卷积算子、批量归一化层和修正线性单元，Wcon表示全卷积层的卷积核参数，bcon表示卷积核的偏差；三个卷积算子的滤波器大小分别为128、256和128，三个卷积算子的一维核大小分别为8、5和3； 每个诊断模型通过softmax层获取一个诊断结果。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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。