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！

龙图腾网获悉西安赛普特信息科技有限公司申请的专利一种基于流数据的增量模糊宽度学习机电设备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：CN119377853B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411518933.X，技术领域涉及：G06F18/2433；该发明授权一种基于流数据的增量模糊宽度学习机电设备故障诊断方法是由敬运腾;古淳月;窦智;王琰;刘琦;王诗音设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于流数据的增量模糊宽度学习机电设备故障诊断方法在说明书摘要公布了：本发明涉及一种基于流数据的增量模糊宽度学习机电设备故障诊断方法，包括：获取作动器在每个运行时刻的特征参数以及状态数据；构建故障诊断模型；获取目标数据集；增加增强层的增加节点，并获取目标故障诊断模型；利用目标故障诊断模型获取机电设备故障诊断结果。本发明通过基于时间加权的增量聚类方法，引入权重衰减机制来适应数据的变化，动态调整模糊宽度学习聚类中心点的位置和数量，使模型具备实时数据流场景下在线更新功能，同时通过对增强节点进行增量更新，提升模型的诊断正确率。

本发明授权一种基于流数据的增量模糊宽度学习机电设备故障诊断方法在权利要求书中公布了：1.一种基于流数据的增量模糊宽度学习机电设备故障诊断方法，其特征在于，包括： 获取作动器在每个运行时刻的特征参数以及状态数据，将特征参数作为输入数据，将作动器对应的状态数据作为输出数据，构建数据集；其中，特征参数包括：作动器的温度数据和三个轴向的加速度数据；状态数据包括：正常运行、阻塞故障、剥落故障以及电机故障； 构建故障诊断模型，故障诊断模型包括增强层和映射层，映射层用于对数据集中的输入数据和输出数据进行模糊化映射，并输出去模糊化的映射结果；增强层用于对去模糊化的映射结果进行非线性变化并输出故障诊断结果； 为每种特征参数设定一个聚类簇，根据时间衰减函数设定聚类簇的成熟度，根据聚类簇的成熟度、数据集的输入数据的每种特征参数中的所有特征参数的线性加权和、数据集的输入数据中的每种特征参数中的所有特征参数的加权平方和获取每种特征参数在每个时刻的聚类簇； 获取聚类簇的聚类中心和聚类半径，通过聚类簇的聚类半径和半径阈值动态更新下一时刻的聚类簇的聚类中心点和聚类半径，得到聚类簇的目标聚类中心点和目标聚类半径，去除聚类簇中不属于聚类中心点和目标聚类半径范围的数据，得到每种特征参数的目标聚类簇；根据每种特征参数的目标聚类簇获取目标数据集； 其中，得到每种特征参数的目标聚类簇的步骤为：设一个聚类簇为，用三元组表示聚类簇为，当时间为，在聚类簇内特征参数为，是第n个时刻特征参数，其中，是第i个时刻的第d种特征参数，每个时刻时间戳为，即第n个时刻的时间戳，成熟度的表达式为： 其中，，表示一个簇是否成熟的成熟度阈值，大于或者等于时，即为成熟簇，小于时，即不成熟簇，表示第i个时刻的时间戳；为权重衰减函数，随着时间呈指数衰减，通过该函数实现每个样本的重量随着时间的推移逐渐减少，即使得对新的特征参数的关注度大于数据集中的旧特征参数，基于增量学习的模型训练方法，由于其部署后需要基于采集到的新数据进行模型的持续学习和更新，为控制衰减率的参数，取值0.02； 其中，为在1-n时刻内 种特征参数的线性加权和，表示数据集的输入数据的所有特征参数的线性加权和的向量； 其中，为在1-n时刻内 种特征参数的加权平方和；表示数据集的输入数据中的所有特征参数的加权平方和的向量； 令聚类簇的中心点为c，半径为，则有： 式中，；是聚类中心的位置向量，j=1,2,3,4； 式中，表示聚类簇的聚类半径；表示输入数据中的特征参数的种类数； 随时间更新过程，只要，为每种特征参数对应的一个聚类簇的最大阈值半径，则将时刻该种特征参数的第j个参数合并到该特征参数对应的聚类簇中，此时有： 在时刻后，衰减为： 假设聚类簇在时间段内没有再接收到符合条件的新数据，即符合条件的新数据为的数据； 每种特征参数对应的聚类簇更新后的聚类中心和聚类半径为： 去除聚类簇中不属于聚类中心点和目标聚类半径范围的数据，得到每种特征参数的目标聚类簇； 按照预设数量的增强节点增加故障诊断模型的增强层的增加节点，并获取增加增强节点后的故障诊断模型，根据目标数据集获取增强后的故障诊断模型的损失函数值，在损失函数值不满足预设损失函数阈值时，则再次增加预设数量的增强节点，直至增强后的故障诊断模型损失函数值满足预设损失函数阈值，则将此次增强后的故障诊断模型作为目标故障诊断模型； 将当前时刻的输入数据输入目标故障诊断模型，输出机电设备故障诊断结果。

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西安赛普特信息科技有限公司，其通讯地址为：710075 陕西省西安市高新区高新路36号华跃大厦二楼；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”。