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！

龙图腾网获悉中国人民解放军63796部队申请的专利一种基于神经网络的通用仪器仪表健康状况评估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：CN115329858B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210944716.1，技术领域涉及：G06F18/24；该发明授权一种基于神经网络的通用仪器仪表健康状况评估方法是由蒋文锐;王怡;高丁涛;罗平涛;罗宏伟;潘晓;王立;沈剑;赵立芬;刘宪秋;徐跃;范文;杨昊坤;宋政辉设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本一种基于神经网络的通用仪器仪表健康状况评估方法在说明书摘要公布了：本发明涉及一种基于神经网络的通用仪器仪表健康状况评估方法，属于仪器仪表领域。本发明获取M块新购置的仪器仪表的检定数据与M块已经经历至少一次周期检定的在用仪器仪表的检定数据，将二者数据打散合并，设计适合训练的数据结构；设计BP算法，利用算法区分新老属性，如计算结果表明健康状况基线不存在，则该仪器仪表在当前使用环境下健康状况与购置时无异，性能保持良好；如结论表明健康状况基线存在，则设计SOFM算法，通过检定数据的拓扑结构分类实现仪器仪表健康状况的划分。本发明以数据分析为出发点，为计量保障带来了全新的技术手段，有效推动计量检测向信息化、智慧化靠近。

本发明授权一种基于神经网络的通用仪器仪表健康状况评估方法在权利要求书中公布了：1.一种基于神经网络的通用仪器仪表健康状况评估方法，其特征在于，该方法包括如下步骤： S1、获取M块新购置的仪器仪表的检定数据与M块已经经历至少一次周期检定的在用仪器仪表的检定数据，将二者数据打散合并，设计适合训练的数据结构； S2、设计BP算法，利用算法区分新老属性；数据代入BP算法中的并行算法训练，带入BP算法中的串行算法验证，根据结论证实其健康状况是否存在基线； S3、如S2的结果表明健康状况基线不存在，结束研究并得出结论：该仪器仪表在当前使用环境下健康状况与购置时无异，性能保持良好； S4、如结论表明健康状况基线存在，则设计SOFM算法，实现检定数据的拓扑结构分类；在合适尺度上找到聚类中心点，进而研究仪器仪表健康状况水平划分并得出结论：该仪器仪表在当前使用环境下健康状况存在明确阈值，其健康水平可根据阈值划分为若干类； 其中， 所述步骤S2具体包括： S21、数据读入与划分：将数据结构R保存在一个XLS格式的表格中，分别列举编号、属性、rn1和rn2； S22、初始化BP网络并计算样本误差：神经网络包含隐含层，训练方法采用包含动量的最速下降法，批量方式进行；由于输出层的输出值非0即1，因此隐含层和输出层的传输函数均使用Log-Sigmoid函数： 6 将BP神经网络的阈值合并到BP神经网络的权值中，将权值初始化为一个小随机数； S23、判断误差是否收敛并依此调整权值：定义一个误差容限，当样本误差的平方和小于此容限时，算法收敛；另外给定一个最大迭代次数，达到该次数即停止迭代； 权值根据以下公式进行调整： 7 其中，为权值修改量，δij为局部梯度，η为学习率，为整个网络的输入信号；使用有动量因子的最速下降法进行优化，因此，除了第一次迭代以外，后续的迭代均需考虑前一次迭代的权值修改量： 8 其中为动量因子，为局部梯度； S24、测试：用BP网络进行属性识别，获取样本分布、错误分类、迭代次数和正确率；测试中需要不断调整学习率、动量因子和迭代次数； S25、算法优化及验证：上述步骤使用批量训练方式，即并行算法；同时，设计串行算法，将样本随机逐个输入，验证并行算法基线判定的同时或能提高对训练样本的划分能力；串行训练方法测试中也不断调整学习率、动量因子和迭代次数； S26、算法实践；上述并行算法和串行算法两种过训练已充分获得仪器仪表出厂时的健康状况，当把在用仪器仪表的实测数据带入并行算法与串行算法时，如果均能够获得确定而稳定的计算结果，则得出结论：在当前使用条件下，仪器仪表具有明确的健康状况基线，是能评估健康状况的。

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人民解放军63796部队，其通讯地址为：615000 四川省凉山彝族自治州西昌市16信箱1组；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。