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！

龙图腾网获悉上海大学申请的专利基于深度置信网络的齿轮振动噪声预估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：CN115169218B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210596917.7，技术领域涉及：G06F30/27；该发明授权基于深度置信网络的齿轮振动噪声预估方法是由何斌;徐辅泽设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本基于深度置信网络的齿轮振动噪声预估方法在说明书摘要公布了：本发明公开了一种基于深度置信网络的齿轮振动噪声预估方法，首先对通过实验采集到的齿轮振动噪声数据进行降噪处理；其次构建基于频程分析算法的数据库；接着构建基于受限玻尔兹曼机的深度置信网络模型并对其进行训练；然后通过基于自适应惯性权重和学习因子的粒子群寻优算法得到最优的参数；最后采用去噪及扩增后的齿轮振动数据，利用基于APSO‑DBN的方法进行噪声预估。本发明方法通过频程分析扩增了数据，克服了因数据量不足导致的训练困难；提出的APSO‑DBN算法比PSO‑DBN算法具有更好的迭代效果；在总声压级预测上，与手动选择网络节点的DBN网络相比，APSO‑DBN算法的平均相对误差具有明显的降低。

本发明授权基于深度置信网络的齿轮振动噪声预估方法在权利要求书中公布了：1.一种基于深度置信网络的齿轮振动噪声预估方法，其特征在于，包括以下步骤： S1：对齿轮振动噪声数据进行降噪处理； S2：构建基于频程分析算法的数据库； S3：构建基于受限玻尔兹曼机的深度置信网络模型并对其进行训练； S4：通过基于自适应惯性权重和学习因子的粒子群寻优算法APSO得到最优的参数； S5：采用去噪及扩增后的齿轮震振动数据，利用基于APSO-DBN的方法进行噪声预估； 在所述步骤S5中，基于APSO-DBN的噪声预估方法将每个RBM网络隐层节点数组成的向量看作粒子的位置属性，将其带入DBN训练完成适应度值的运算，根据适应度值计算粒子的惯性权重和速度，更新粒子位置，经过循环迭代寻找全局最优值，具体步骤为： S5.1：DBN网络结构参数和APSO参数初始化：根据RBM堆叠个数确定粒子维度，确定惯性权重和学习因子的范围、最高迭代数和总粒子数，根据隐层节点范围初始化粒子的位置和速度属性； S5.2：适应度计算与粒子最优位置计算：首先，喂入划分好的训练数据，计算当前粒子位置属性所对应的均方误差并将其作为适应度值；其次，更新各个粒子的个体最优Pbest和群体全局最优Gbest；最后，计算当前迭代数下全体粒子适应度值的最大值和最小值，作为惯性权重的更新参考； S5.3：惯性权重和学习因子更新：根据式9和式10更新w和c1、c2； S5.4：粒子属性更新：利用式11和式12更新粒子的位置和速度； S5.5：迭代终止判断：群体极值满足最小界限或者达到最高迭代次数时，终止迭代，全局最优位置就是最优解，否则，返回S5.2； S5.6：将APSO算法得到的隐层节点数向量作为DBN网络的结构参数，利用训练数据完成网络的正向初始化和反向传播，达到训练要求后，完成噪声预测模型的构建。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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。