Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 劭鸣(佛山)工业设计有限公司方维民获国家专利权

劭鸣(佛山)工业设计有限公司方维民获国家专利权

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!

龙图腾网获悉劭鸣(佛山)工业设计有限公司申请的专利一种利用深度学习算法预测厨房垃圾处理器刀头寿命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:CN120705510B

龙图腾网通过国家知识产权局官网在2026-01-06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:202510859421.8,技术领域涉及:G06F18/20;该发明授权一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法是由方维民;罗涛;潘乐权设计研发完成,并于2025-06-25向国家知识产权局提交的专利申请。

一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法在说明书摘要公布了:本发明公开了一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法,属于数据处理技术领域,包括:获取厨房垃圾处理器的工况参数,生成包含有工况参数的标准化数据集;对标准化数据集提取振动信号频谱特征和电机电流谐波特征,构建多维特征集;将多维特征集输入预训练的长短期记忆网络模型,输出刀头磨损程度的评估值;提取超过预设阈值的刀头磨损程度的评估值对应的振动信号频谱特征和电机电流谐波特征,根据多维特征集匹配历史记录,采用滑动窗口加权算法计算剩余寿命预测值。所述利用深度学习算法预测厨房垃圾处理器刀头寿命方法解决了目前难以通过工况参数与剩余寿命之间的关联来预测刀头寿命,从而导致刀头寿命预测精准度低下的问题。

本发明授权一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法在权利要求书中公布了:1.一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法,其特征在于,包括以下步骤: S1:获取实时采集的厨房垃圾处理器的工况参数,生成包含有工况参数的标准化数据集,所述工况参数包括电机运行状态数据和刀头振动频率数据; S2:对所述标准化数据集进行时频联合分析,提取振动信号频谱特征和电机电流谐波特征,构建多维特征集; 在所述步骤S2中,采用短时傅里叶变换对所述标准化数据集中的刀头振动频率数据进行时频分析,设置窗函数为汉宁窗,窗长为预设采样点,得到时频分布矩阵; 针对所述时频分布矩阵,划分多个频段进行能量积分,计算各频段能量占比作为初步频谱特征; 从所述初步频谱特征中,采用小波分解技术提取核心振动特征频段,计算所述核心振动特征频段的平均值和方差,构成振动信号频谱特征; 在所述步骤S2中,对所述标准化数据集中的电机运行状态数据中的电机电流信号执行快速傅里叶变换,分析多个谐波成分,计算各次谐波幅值比值,得到电机电流谐波特征; 在所述步骤S2中,基于所述振动信号频谱特征和所述电机电流谐波特征,按时间戳对齐,采用横向拼接方法生成多维特征集,所述多维特征集包含振动信号频谱特征和电机电流谐波特征; S3:将包含有振动信号频谱特征和电机电流谐波特征的所述多维特征集输入预训练的长短期记忆网络模型,输出刀头磨损程度的评估值; S4:提取超过预设阈值的刀头磨损程度的评估值对应的振动信号频谱特征和电机电流谐波特征,根据多维特征集匹配历史记录,采用滑动窗口加权算法计算剩余寿命预测值。

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劭鸣(佛山)工业设计有限公司,其通讯地址为:528000 广东省佛山市顺德区北滘镇北滘社区陈大滘工业区创业一路11号厂房A第三层之一;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。