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！

龙图腾网获悉齐鲁工业大学;东北石油大学申请的专利基于改进自适应激活函数的深度学习抽油机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：CN115905946B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202211436063.2，技术领域涉及：G06F18/241；该发明授权基于改进自适应激活函数的深度学习抽油机故障诊断方法是由张芳芳;李晔斌;高志伟;刘远红;陈泺冰;马凤英设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本基于改进自适应激活函数的深度学习抽油机故障诊断方法在说明书摘要公布了：本发明涉及油气勘探与开发技术领域，具体地涉及一种基于改进自适应激活函数的深度学习抽油机故障诊断方法，设计的激活函数将可学习参数与注意机制相结合，通过链式求导更新可学习参数，形成全局最优搜索；注意机制提高了输入特征的学习能力，形成了局部最优搜索；将局部最优搜索与全局最优搜索相结合，改善了激活函数的非线性，解决了传统激活函数的缺陷；本发明激活函数更加灵活多变，具有较好的泛化性能和搜索能力，提高了故障诊断的准确性。

本发明授权基于改进自适应激活函数的深度学习抽油机故障诊断方法在权利要求书中公布了：1.基于改进自适应激活函数的深度学习抽油机故障诊断方法，其特征在于，以抽油机故障示功图作为数据集，输入至以下模型，具体步骤包括： S1、自适应激活功能的设计 S101、执行内部线性化，为输入引入若干可学习的参数，内部线性化方程如下： ψ＝Aiz+Bi， 其中ψ是内部线性化方程，Ai，Bii＝1,2，......，n是第i层的可学习参数，n是神经网络的层数，z是每个神经元输入的加权和； S102、在正区域，激活函数公式如下： Ci*Maxψ，0+Di，ψ≥0， 其中Ci和Di是第i层的可学习参数，将可学习参数添加到激活函数的正区域，对此进行外部线性化； S103、在负区域，由注意机制生成所提出的自适应激活函数的斜率，公式如下： Scales*Minψ，0，ψ＜0， 其中，Scales是通过注意机制得到的坡度； 得到激活函数如下： S2、可学习参数的更新规律 单层激活函的神经网络输出如下： y＝fz， 其中，y为神经网络的输出，损失函数Ly,d的公式如下： 其中，dj为实数，j＝1,2，...，m，m为样本数； 通过损失函数的链式推导过程如下： 权重更新如下： 其中η为学习率，它会影响损失函数的更新速度；将损失函数的链式推导过程公式带入上式可得： 根据损失函数的链式推导过程和激活函数的总体公式，推导出自适应激活函数中参数的更新规律如下： y＝fψ 由上式可以推导出： S3、注意机制的结构 选择ReLU作为第一层FC的激活函数，公式如下： 然后加入BN层；归一化用以下公式描述： 其中xi和yi分别是每个Nbatch批的观测到的输入和输出，μ表示输入的平均值，σ2表示输入的方差，ε是接近零的常数，θ和γ是可学习的参数，控制缩放和移动分布，i表示层数； 通过上述方法步骤，能够有效的表示示功图中位移与荷载之间的映射关系，提取示功图的特征，对难以区分的样本进行正确分类，完成抽油机故障诊断。

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齐鲁工业大学;东北石油大学，其通讯地址为：250000 山东省济南市西部新城大学科技园；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。