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！

龙图腾网获悉山东港口烟台港集团有限公司申请的专利面向港口大型设备健康状态监测的模型训练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：CN120744516B 。

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：202511261059.0，技术领域涉及：G06F18/214；该发明授权面向港口大型设备健康状态监测的模型训练方法是由顾健;吕烨;林大凯;曹海东;孙淑岳;刘超;郭恩华;任梦真;李学奇;孟祥东;田玉华;高双磊;许明媚;黄俊霖;常洪伟;钱广来;戚玮真设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本面向港口大型设备健康状态监测的模型训练方法在说明书摘要公布了：本发明涉及一种面向港口大型设备健康状态监测的模型训练方法，具体如下：对港口大型设备检测数据进行采集、标注和数据集划分；对采集的数据进行自适应时频分解和特征重构，采用改进的自适应噪声完备集合经验模态分解和动态谱峭度融合方法，生成分解重构矩阵；构建深度学习模型，将样本数据经过处理后分别输入至该模型中对模型进行训练，得到训练好的模型；实时采集港口大型设备检测数据，经过处理后输入至训练好的模型中，输出健康状态概率分布结果，根据概率分布的最大值确定设备当前健康状态类别。本发明通过对采集的样本数据进行自适应时频分解和特征重构，构建深度学习模型并对其进行训练，可以对设备运行状态进行实时健康检测与劣化评估。

本发明授权面向港口大型设备健康状态监测的模型训练方法在权利要求书中公布了：1.一种面向港口大型设备健康状态监测的模型训练方法，其特征是，包括以下步骤： S1、对港口大型设备检测数据进行采集和标注，将标注后的样本数据按时间顺序划分为训练集、验证集和测试集； S2、对采集的样本数据进行自适应时频分解和特征重构，具体采用改进的自适应噪声完备集合经验模态分解和动态谱峭度融合方法，生成高维分解重构矩阵后降维为分解重构矩阵； S2具体如下： S2.1、定义标注后的样本数据为原始振动信号向量，对原始振动信号进行改进的自适应噪声完备集合经验模态分解，并采用自适应停止准则，停止准则定义为相邻两次迭代的标准差变化小于自适应阈值；改进的自适应噪声完备集合经验模态分解算法分解后得到的本征模态函数，本征模态函数的总阶数为K，第k阶本征模态函数表示为，，k表示本征模态函数的索引； 具体的，在第m次迭代中，计算当前本征模态函数的标准差和前一次迭代的标准差，若，则停止迭代，否则继续迭代，进而抑制模态混叠； 其中，表示第m次迭代的标准差，表示第次迭代的标准差；表示对数函数，默认底数为自然常数；表示原始振动信号向量的长度；表示提取每阶本征模态函数时的迭代次数； S2.2、对于每一阶本征模态函数，通过傅里叶变换将本征模态函数的四次方转换为频域幅度，并将本征模态函数的二次方转换为频域幅度平方，然后计算两者的比值，得到动态谱峭度值； S2.3、基于各阶本征模态函数的动态谱峭度，计算每阶的平均动态谱峭度； 然后根据训练集中每阶动态谱峭度的均值和标准差计算每阶的自适应阈值； 再将平均动态谱峭度与自适应阈值的差值通过符号函数处理后得到权重，再结合本征模态函数构建高维分解重构矩阵； 最后采用通过分段平均或下采样的方法，对高维分解重构矩阵进行降维，得到分解重构矩阵； S3、构建深度学习模型，将训练集、验证集和测试集中样本数据经过步骤S2处理后分别输入至该模型中对模型进行训练，得到训练好的模型； S4、实时采集港口大型设备检测数据，经过步骤S1和S2的处理后输入至训练好的模型中，输出健康状态概率分布结果，根据概率分布的最大值确定设备当前健康状态类别。

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山东港口烟台港集团有限公司，其通讯地址为：264000 山东省烟台市芝罘区北马路155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。