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！

龙图腾网获悉北京航空航天大学申请的专利基于加权自适应变异系数的盾构机异常数据检测方法及系统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：CN119807950B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411848602.2，技术领域涉及：G06F18/2433；该发明授权基于加权自适应变异系数的盾构机异常数据检测方法及系统是由石岩;陈建福;杨治国;黎磊;寇建阁;王一轩;许少峰;孙治博;牛燕霞;蔡茂林设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于加权自适应变异系数的盾构机异常数据检测方法及系统在说明书摘要公布了：本发明公开了基于加权自适应变异系数的盾构机异常数据检测方法及系统，其中方法包括：获取盾构机上的多个不同的传感器数据；基于传感器数据进行预处理，得到预处理数据；基于预处理数据得到对应的波动性指标和窗口内变异系数；基于波动性指标得到预处理数据对应的自适应权重；基于窗口内变异系数和自适应权重得到所有预处理数据的加权自适应变异系数；基于盾构机历史正常数据和先验经验得到异常检测阈值；基于加权自适应变异系数与异常检测阈值对比，得到异常数据；基于异常数据进行清洗并提取故障特征。实现对盾构机传感器多参数数据的异常检测和高效清洗，提高了盾构机数据的准确性和可靠性。

本发明授权基于加权自适应变异系数的盾构机异常数据检测方法及系统在权利要求书中公布了：1.基于加权自适应变异系数的盾构机异常数据检测方法，其特征在于，包括： 获取盾构机上的多个不同的传感器数据； 基于所述传感器数据进行预处理，得到预处理数据； 基于所述预处理数据得到对应的波动性指标和窗口内变异系数； 所述波动性指标获取方法为： 基于所述预处理数据得到第i个预处理数据的窗口内均值μit； 基于所述窗口内均值μit得到第i个预处理数据在t时刻的波动性指标δit： 其中，N表示滑动窗口中的总窗口数据量长度，k表示目前处于第几个窗口步长，Xi′t-k表示t-k时刻的第i个预处理数据； 所述窗口内变异系数获取方法为： 基于所述波动性指标δit和所述窗口内均值μit得到第i个预处理数据对应的所述窗口内变异系数CVit： 其中，表示一个小的正数，防止分母为零； 基于所述波动性指标得到所述预处理数据对应的自适应权重； 所述自适应权重具体为： wit＝α·wit-1+1-α·fδit； 其中，wit表示第i个预处理数据在t时刻的自适应权重，α表示平滑系数，wit-1表示第i个预处理数据在t-1时刻的自适应权重，f表示映射函数； 基于所述窗口内变异系数和所述自适应权重得到所有所述预处理数据的加权自适应变异系数； 基于盾构机历史正常数据和先验经验得到异常检测阈值； 所述异常检测阈值获取方法为： 基于盾构机历史正常数据和和先验经验计算得到正常加权自适应变异系数； 基于所述正常加权自适应变异系数得到正常加权自适应变异系数均值μWACV′； 基于所述正常加权自适应变异系数均值μWACV′得到加权自适应变异系数标准差σWACV′； 基于μWACV′和σWACV′得到异常检测上阈值θupper和异常检测下阈值θlower： θupper＝μWACV′+q·σWACV′ θlower＝μWACV′-q·σWACV′ 其中，q表示阈值调节系数； 所述异常检测上阈值θupper和所述异常检测下阈值θlower共同组成所述异常检测阈值； 基于所述加权自适应变异系数与所述异常检测阈值对比，得到异常数据； 基于所述异常数据进行清洗并提取故障特征。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。