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！

龙图腾网获悉南京理工大学申请的专利基于优化BP神经网络的智能站二次系统故障定位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：CN116432077B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310233149.3，技术领域涉及：G06F18/24；该发明授权基于优化BP神经网络的智能站二次系统故障定位方法是由王宝华;肖洋;蒋海峰设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本基于优化BP神经网络的智能站二次系统故障定位方法在说明书摘要公布了：本发明公开了一种基于优化BP神经网络的智能站二次系统故障定位方法，该方法为：对智能站二次系统故障的分类；以实验的方式模拟智能站二次系统的故障，建立故障数据库；对故障数据进行采集、预处理；为区分故障类型，设计智能站二次系统故障定位矩阵规则，该规则将故障类别同二进制码结合，通过进制转化生成十六进制故障定位编码，组成对应的故障定位表；对故障定位数据利用低方差过滤法和主成分分析法实现数据降维，引入动态自适应惯性权重因子来提高粒子群寻优能力，进而优化以BP神经网络为基底的故障定位训练模型，得到完整的智能定位方法。本发明可以帮助智能站运维人员正确定位故障，缩短智能站二次系统故障定位时间，大大提高工作效率。

本发明授权基于优化BP神经网络的智能站二次系统故障定位方法在权利要求书中公布了：1.一种基于优化BP神经网络的智能站二次系统故障定位方法，其特征在于，包括以下步骤： 步骤1，采集智能站二次系统故障的历史数据，分析故障现场和产生故障的原因，将智能站二次系统故障进行分类； 步骤2，设置智能站二次系统故障模拟实验，模拟步骤1中划分出来的故障类型，采集故障模拟实验的数据，将故障数据进行整合，组成故障数据库； 步骤3，利用二进制编码对步骤2中的实验进行编号，该编码规则能够将智能站二次系统故障类型及相应故障点与二进制编码进行组合，实现二进制码与故障点之间的对应关系，并通过进制转化生成十六进制故障定位编码，组成对应的故障定位表，并与步骤2中的故障定位数据库进行组合，形成带有故障类型编码的完整故障定位数据库； 步骤4，将完整故障定位数据库通过低方差过滤进行数据筛选，筛选后的数据再利用主成分分析法进行数据的降维处理，将处理后的数据导入基于改进粒子群优化的BP神经网络智能定位算法中，以十六进制故障定位编码作为输出结果，完成对故障数据库的学习训练； 步骤5，将智能站二次系统出现故障的故障数据导入步骤4中的BP神经网络智能定位算法，输出十六进制故障定位结果，将输出结果与故障定位表对比，查找实际的故障点，完成智能站二次系统故障消缺工作； 步骤4中基于改进粒子群优化的BP神经网络智能定位算法，具体如下： 粒子群算法是将群体中的个体看作在D维搜索空间中没有质量和体积的粒子，每个粒子有着自己的位置和速度，在解空间中通过适应度函数不断向自身历史最佳位置和全领域最佳位置聚集： 1 其中，为第次迭代时粒子在第维的速度；为第次迭代时粒子在第维的速度；为第个粒子迄今为止搜索到的最优值；为整个粒子群迄今为止搜索到的最优值；为第次迭代时粒子在第维的位置；为第次迭代时粒子在第维的位置；为惯性权重因子；、为学习因子；、增加随机搜索性； 适应度函数表示为： 2 其中，为第个粒子的适应度函数；为训练集样本数；为第个样本数据的实际输出值；为分类模型第个样本数据的预测输出值；函数为与值相同时输出为1，不同时输出为0； 将第代种群与第代种群的适应度值标准差的比值定义为进化离散度： 3 其中：为第代相对于第代进化离散化程度；为第代种群的适应度值；为第代种群的适应度值； 在神经网络中利用Sigmoid函数来构建神经元激活函数，定义为： 4 结合进化离散度和Sigmoid函数，给出以下非线性动态自适应惯性权重因子计算公式： 5 其中：、为最大、最小惯性权重；函数表示以e为底的指数函数；表示当前迭代次数；表示最大进化迭代次数；为阻尼因子，取[0,1]；为第代相对于第代进化离散化程度； 利用改进后的粒子群算法对BP神经网络进行优化，得到BP神经网络智能定位算法，具体步骤如下： 1初始化BP神经网络结构，并初始化粒子群算法初始化粒子速度、位置、PSO优化终止条件、迭代次数这些参数； 2根据每个粒子的速度和位置，通过适应度函数获得每个粒子的适应度、个体极值和群体极值； 3对种群中所有粒子的适应度和群体最优进行比较，比较粒子的适应度和个体最优，用更优者替代，根据式5计算惯性权重，更新粒子的速度和位置； 4PSO优化终止后，得到BP神经网络最优权值和阈值，代入BP神经网络初始化BP神经网络的初始值和阈值； 5输入样本数据，BP神经网络按照误差反向传递的方式训练模型； 6确定BP神经网络输出值与真实值误差，当误差值较大时，计算反向误差逆向前传更新各层之间连接权值和阈值，直到达到终止条件，即误差值不大于阈值或达到最大迭代次数。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。