咨询电话：13280638997
传真：0533-3110363
邮箱：kefu@shizifang.com
24小时咨询热线13280638997
24小时咨询热线著 录 项 目：
| 专利/申请号： | CN202110823380.9 | 专利名称： | 设备故障识别模型训练、识别方法、系统、装置及介质 |
| 申请日： | 2021-07-21 | 申请/专利权人 | 广州大学 |
| 专利类型： | 发明 | 地址： | 广东省广州市大学城外环西路230号 |
| 专利状态： | 已下证 查询审查信息 | IPC分类号： | G06N3/04 分类检索 |
| 公开/公告日： | 2021-11-02 | 转让价格： | 【平台担保交易】 |
| 公开/公告号： | CN113592071A | 交易状态： | 等待洽谈 搜索相似专利 |
| 浏览量： | 2 | 所属领域： | 人工智能 机器学习 故障诊断专利转让搜索 |
应用场景：工业设备故障检测；智能运维；预测性维护
摘 要：本发明公开了一种设备故障识别模型训练方法、识别方法、系统、装置及介质，训练方法包括：获取故障振动信号数据集，故障振动信号数据集包括多个故障振动信号和故障振动信号的故障类型；确定设备的固有转动周期，并确定故障振动信号的第一振动周期，进而根据固有转动周期和第一振动周期确定故障振动信号的第一特征子图；根据第一特征子图和故障类型确定训练数据集，并将训练数据集输入到预先构建的胶囊神经网络中进行训练，得到训练好的设备故障识别模型。本发明可以最大程度的保留原始故障振动信号中各个特征的空间位置关系，从而可以将空间位置关系作为故障类型的判定条件，进而提高了设备故障识别模型的准确度，可广泛应用于故障检测技术领域。
| 交易方 | 企业 | 个人 |
| 买家 | 营业执照副本复印件（需盖公章） | 身份证复印件（签字） |
| 专利转让委托书（需盖公章）一式两份 | 专利转让委托书（需签字）一式两份 | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 卖家 | 营业执照副本复印件（需盖公章） | 身份证复印件（需申请人签字） |
| 解除代理委托书（需盖公章）一式两份（如专利通过代理机构申请） | 解除代理委托书（需签字）一式两份（如专利通过代理机构申请） | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
| 专利证原件（若授权下证） | 专利证原件（若授权下证） |
| 日期 | 法律信息 | 备注 |
| 2022/09/16 | 授权 | |
| 2021/11/19 | 实质审查的生效 | IPC(主分类): G06N 3/04 专利申请号: 202110823380.9 申请日: 2021.07.21 |
| 2021/11/02 | 公开 |
| 申请号 | 专利名称 | 发布日期 |
| 2021101015061 | 【发明】神经网络性能评估方法及装置、电子设备及存储介质 | 2025/10/22 |
| 2016105865967 | 【发明】对象分类方法、装置和系统 | 2025/10/22 |
| 2016110974451 | 【发明】深度神经网络训练方法和系统、电子设备 | 2025/10/22 |
| 201710300171X | 【发明】卷积加速和计算处理方法、装置、电子设备及存储介质 | 2025/10/22 |
| 2017103516241 | 【发明】神经网络模型的训练方法和装置、电子设备和计算机存储介质 | 2025/10/22 |
| 201710775655X | 【发明】卷积计算方法和装置、电子设备、计算机存储介质 | 2025/10/22 |
| 2017108908386 | 【发明】一种神经网络芯片 | 2025/10/22 |
| 2017110040780 | 【发明】网络训练方法、操作控制方法、装置、存储介质和设备 | 2025/10/22 |
| 2017111320007 | 【发明】卷积处理方法、装置及电子设备 | 2025/10/22 |
| 2017112141663 | 【发明】神经网络模型迁移方法和系统、电子设备、程序和介质 | 2025/10/22 |
