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！

龙图腾网获悉浙江工业大学申请的专利一种基于改进粒子滤波和卷积网络的雕刻机异常检测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：CN116226758B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211625466.1，技术领域涉及：G06F18/2431；该发明授权一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法是由仇翔;顾博盛;张文安;吴麒;张宝康;陈博;洪榛设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法在说明书摘要公布了：一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法，分为离线训练和异常检测两个阶段。在离线训练阶段，首先采集雕刻机运行数据并确定正常工况下的系统模型结构，然后引入改进粒子滤波算法得到系统状态变量估计值，并使用期望最大化算法迭代更新模型参数，得到雕刻机系统精确的数学模型，最后利用模型的残差信息训练一维残差卷积神经网络，实现系统运行数据的二分类。在异常检测阶段，利用数学模型对运行数据进行粒子滤波得到噪声的估计值序列，最后通过离线训练好的分类器判断运行数据是否处于异常。本发明能够得到系统准确的数学模型并挖掘数据在时间维度的相关性，提高雕刻机运行数据异常检测的精度。

本发明授权一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法在权利要求书中公布了：1.一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法，其特征在于，包括以下步骤： 1采集雕刻机系统正常工况下的运行数据，其中时间序列长度L、输入数据观测数据其中，正常工况指满足指定执行任务下设备的预期运行状况；对于偏离预期运行状况、出现故障或故障前的预兆的工况，都认为属于非正常工况，即异常工况； 2确定雕刻机系统正常工况下的数学模型结构并初始化参数； 3对于正常工况下的数据，使用改进粒子滤波算法得到各时刻的状态变量的估计值序列 步骤3具体步骤如下： 3.1设粒子数为N，在t时刻第i个粒子的值为权重为在t＝1的时刻，所有粒子的初始值权重 3.2对于t＝2,3,…,L，依次执行下列步骤： 3.2.1在t时刻采样得到每个粒子的值 表示在的条件下t时刻状态变量的概率分布，为t-1时刻经过重采样后的第i个粒子的值，且令 3.2.2根据观测值更新权重，设t时刻的观测值为yt，由于粒子初始权重以及重采样后权重均为1N，计算时可不考虑前一时刻粒子的权重，得到t时刻上标为i粒子的权重 其中为在观测到yt的情况下，粒子值为的概率； 3.2.3保存当前时刻的粒子权重和当前时刻的粒子值； 3.2.4使用标准的重采样方法生成新的粒子群体；设重采样前的第i个旧粒子为通过重采样后的第j个新粒子为若是由复制而来，则称是的祖先粒子，且的所有祖先粒子也是的祖先粒子；此外，若t1时刻的一个粒子是的祖先粒子，称其为在t1时刻的祖先； 3.2.5对重采样后的每个粒子时使用一个长度为lstep的循环数组保存其在t,t-1,……,max1,t-lstep+1时刻祖先的上标信息，每次重采样后，新粒子复制其旧粒子的循环数组，然后将数组中第t-2％lstep个值赋值为重采样前旧粒子的上标i，即可获得新粒子的循环数组； 3.3后向更新粒子权重以融合未来时刻的观测信息，设后向更新的步长为lstep，对于t＝lstep+1,lstep+2,…,L，进行如下操作： 根据t时刻粒子的权重后向更新其t-lstep时刻的祖先的权重，设后向更新后得到的权重为 Fjt表示t时刻上标为j的粒子在t-lstep时刻的祖先粒子的上标，如果某个粒子不是lstep时间后任何粒子的祖先，那么其权重为0； 3.4对于t＝1,2,…,lstep，令 3.5根据每个时刻的粒子值和权重，得到状态变量的估计值， 其中为t时刻状态变量的估计值； 4使用步骤3所述算法得到的状态变量估计值序列，结合期望最大化算法迭代训练雕刻机系统正常工况下的数学模型； 5采集雕刻机系统正常工况和异常工况的数据，并进行分类器离线训练，得到能够区分正常数据和异常数据的二分类模型； 6使用步骤4得到雕刻机系统的数学模型对待检测的雕刻机系统运行数据进行粒子滤波，计算得到噪声的估计值，然后使用步骤5得到的分类模型区分正常数据和异常数据。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。