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！

龙图腾网获悉太原理工大学申请的专利基于卷积神经网络与贝叶斯网络的机械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：CN114444582B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202210014436.0，技术领域涉及：G06F18/2415；该发明授权基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法是由丁华;孙晓春;王焱;牛锐祥;吕彦宝;孟祥龙设计研发完成，并于2022-01-07向国家知识产权局提交的专利申请。

本基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法在说明书摘要公布了：本发明涉及故障诊断技术领域，具体为一种基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法。包括以下步骤：S1：通过传感器监测乳化液泵的各项参数；S2：采集乳化液泵发生各种故障时的各项监测数据，将其进行归一化、标准化预处理，得到一个训练好的乳化液泵故障诊断模型；S3：搭建诊断贝叶斯网络，包括故障层与原因层；S4：将训练好的轻量化卷积神经网络与诊断贝叶斯网络所构成的乳化液泵故障诊断模型嵌入到云平台；S5：对乳化液泵运行时的各项数据进行实时监测，并将其输入到云平台，若诊断出故障，会发出预警，并将该诊断结果输入到贝叶斯网络中进行条件概率的推理，从而得出各故障原因的概率，实现故障定位。

本发明授权基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法在权利要求书中公布了：1.一种基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法，其特征在于：包括以下步骤， S1：通过传感器监测乳化液泵的各项参数； S2：采集乳化液泵发生各种故障时的各项监测数据，将其进行归一化、标准化预处理，利用预处理后的各项监测数据训练轻量化卷积神经网络模型，得到一个训练好的乳化液泵故障诊断模型； 轻量化卷积神经网络初始模型包括：二维可分离卷积层、二维最大池化层、全局平均池化层和Softmax分类器； S3：搭建诊断贝叶斯网络，包括故障层与原因层； 故障层由乳化液泵的故障形式构成，原因层由引起每种故障发生的原因所构成； S4：将训练好的轻量化卷积神经网络与诊断贝叶斯网络所构成的乳化液泵故障诊断模型嵌入到云平台； S5：对乳化液泵运行时的各项数据进行实时监测，并将其输入到轻量化卷积神经网络，若诊断出故障，会发出预警，并将该诊断结果输入到贝叶斯网络中进行条件概率的推理，从而得出各故障原因的概率，实现故障定位； 步骤S5中贝叶斯网络进行条件概率的推理的具体过程为， S51：计算由于各种原因导致故障发生的概率，计算方法如下式， 式中P原因为引起故障发生原因的概率，P先验为各种原因的先验概率，P条件为诊断贝叶斯网络的条件概率表，P故障为发生故障的概率；将各种原因中P原因中为最大概率值的故障形式作为诊断结论； S52：根据卷积神经网络诊断出的故障形式作为诊断贝叶斯网络模型的输入，会出现以下三种情况： 如果通过检修发现该故障是由该节点对应的原因引起的，并且这个原因位于该故障树中的底层事件，那么表明该原因即为引起故障的原因； 如果检修结果表明故障是由该节点对应的原因引起的，且这个原因是故障树的中层事件，则说明其发生是由底层事件引起的，则需要进一步推理；将该节点设置为100%发生，继续深入推理，找出后验概率最大的父节点再次进行检修； 如果检修结果表明故障不是由该节点对应的原因引起的，说明此节点代表的原因并未发生，则需要将该节点设置为100%不发生，作为证据输入继续推理，找出后验概率最大的父节点进行检修；对应检修结果，重复以上S51和S52步骤，直至检修出引起故障的原因。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。