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！

龙图腾网获悉中国科学院空间应用工程与技术中心;北京卫星环境工程研究所申请的专利基于图正则化CNN-BiLSTM的多传感器故障诊断方法、介质及设备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：CN115659174B 。

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：202211252600.8，技术领域涉及：G06F18/214；该发明授权基于图正则化CNN-BiLSTM的多传感器故障诊断方法、介质及设备是由李鹏;秦泰春;王成城;施建明;党炜;易难设计研发完成，并于2022-10-13向国家知识产权局提交的专利申请。

本基于图正则化CNN-BiLSTM的多传感器故障诊断方法、介质及设备在说明书摘要公布了：本发明公开了一种基于图正则化CNN‑BiLSTM的多传感器故障诊断方法、介质及设备，涉及基于特定计算模型的计算机故障诊断系统领域。所述方法包括：采集多传感器的状态监测数据，并对采集的数据预处理，得到训练集、验证集和测试集；建立CNN‑BiLSTM网络，将图正则化项加在CNN‑BiLSTM网络的距离分类器最近的全连接层中，完成GR‑CNN‑BiLSTM模型构建；利用训练集内的数据训练GR‑CNN‑BiLSTM模型，利用验证集内的数据评价GR‑CNN‑BiLSTM模型，并获取GR‑CNN‑BiLSTM模型性能最优时的网络参数；将测试集的数据输入性能最优的GR‑CNN‑BiLSTM模型中进行故障诊断，得到故障诊断结果。本发明提升训练效率和诊断准确率，克服现有深度图正则化故障诊断方法训练效率低的缺点。

本发明授权基于图正则化CNN-BiLSTM的多传感器故障诊断方法、介质及设备在权利要求书中公布了：1.一种基于图正则化CNN-BiLSTM的多传感器故障诊断方法，其特征在于，所述方法包括： S1，采集多传感器的状态监测数据，并对采集的数据预处理，得到训练集、验证集和测试集； S2，建立CNN-BiLSTM网络，将图正则化项加在CNN-BiLSTM网络的全连接层中，所述全连接层为距离分类器最近的全连接层，完成GR-CNN-BiLSTM模型构建； S3，利用训练集内的数据训练所述GR-CNN-BiLSTM模型，利用验证集内的数据评价所述GR-CNN-BiLSTM模型，并获取所述GR-CNN-BiLSTM模型性能最优时的网络参数； S4，将测试集的数据输入性能最优的GR-CNN-BiLSTM模型中进行故障诊断，得到故障诊断结果； 步骤S2，建立CNN-BiLSTM网络，具体为： A1，将训练集输入CNN中进行网络结构训练，经过卷积层提取深层特征数据，再经过最大池化层处理，得到降维深层特征数据； A2，将降维深层特征数据输入BiLSTM进行网络结构训练，将BiLSTM训练得到的输出数据拼接融合，得到并学习融合后的故障特征数据； A3，将融合后的故障特征数据输入全连接层模块，在所述全连接层模块的输出层设置softmax分类器，进行故障状态分类并输出，更新网络结构参数，返回A1，进行下一批数据的训练，直至训练集的数据全部参与训练后作为一次迭代； A4，达到迭代预设次数后，完成CNN-BiLSTM网络模型的构建； 其中，softmax分类器使用交叉熵损失函数，所述交叉熵损失函数Lc为： 式1中，ri为训练集中数据样本i的真实标签；yi为训练集中数据样本i的预测标签；N为训练集中数据样本的总数； 所述CNN-BiLSTM网络中设置全连接层模块，所述全连接层模块中包括顺序设置的第一全连接层FC1、第二全连接层FC2和输出层； CNN-BiLSTM将训练或测试得到的特征信息依次通过第一全连接层FC1、第二全连接层FC2映射到输出层； 所述全连接层模块中每个层的计算方程均为： oa＝gWaha+ba2 式2中，oa为第a个全连接层的输出；ha第a个全连接层的输入；ba为第a个全连接层的偏置权重；Wa为第a个全连接层的遗忘门权重；g为第一个全连接层的ReLU函数； 步骤S2中，将图正则化项加在CNN-BiLSTM网络的全连接层中，所述全连接层为距离分类器最近的全连接层，具体为： 在训练集数据的基础上，构造近邻图，具体为：确认任意一个数据样本i的k个近邻点，并建立所述数据样本i的k个近邻点之间的连接； 基于所述近邻图，在CNN-BiLSTM网络中距离分类器最近的全连接层的特征空间中加入近邻图正则化项，所述近邻图正则化项Lg为： 其中，i表示训练集中任意一个数据样本，j表示训练集中与数据样本i近邻的数据样本，N为训练集中的数据样本总数，Hij表示近邻图中数据样本i和数据样本j的连接权重，si表示数据样本i对应的特征向量，sj表示数据样本j对应的特征向量，Hij的计算公式为： 公式4中，σ表示近邻图中所有近邻点之间的平均距离值，非近邻点之间的权重为0。

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科学院空间应用工程与技术中心;北京卫星环境工程研究所，其通讯地址为：100094 北京市海淀区邓庄南路9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。