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！

龙图腾网获悉大连理工大学申请的专利一种基于非线性直觉模糊支持张量机的船舶柴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：CN116010852B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310059137.3，技术领域涉及：G06F18/24；该发明授权一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法是由韩敏;张祎芳;韩冰设计研发完成，并于2023-01-16向国家知识产权局提交的专利申请。

本一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法在说明书摘要公布了：一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法，该方法首先将多源传感器信号转化为时频图像，并进行灰度化和裁剪处理，最后沿着前向切片进行堆叠重构为张量样本，充分挖掘了时间域、频率域和空间域的耦合结构信息；其次设计一种非线性形式的非隶属度函数构建直觉模糊集，得到每个张量样本的得分，突出不同样本的贡献以缓解噪声对模型的影响。接着利用张量鲁棒主成分分析从原始含噪声的张量样本中精准地恢复出不含噪声的低秩特征张量；最后建立非线性直觉模糊支持张量机模型，用不含噪声的低秩特征张量取代原始张量进行内积，避免了多源监测信号结构信息和耦合信息的损失，同时增强了模型对噪声的鲁棒性，最终有效提升船舶柴油机故障的诊断性能。

本发明授权一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法在权利要求书中公布了：1.一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法，其特征在于，包括以下步骤： 步骤1：基于小波时频图将原始多源监测信号重构为三阶张量 步骤2：针对二分类问题，假设需要诊断的故障为故障1和故障2，对两故障下的监测信号重复步骤1得到各自的张量样本，对每个张量样本分别划分训练集和测试集，假设在两故障中总共选择m个张量样本进行训练，得到训练集D： 其中，m代表张量样本的个数，yi代表样本对应的标签； 步骤3：对训练集中的每个张量样本利用式2计算其非线性形式的隶属度和非隶属度函数，得到每个样本的得分；对于第i个张量样本其隶属度和非隶属度的计算公式为： 其中，δ0是一个可调参数；r+、r-分别表示正、负类半径；分别表示正、负类中心；s+表示正类样本和负类中心之间距离的最大值；s-表示负类样本和正类中心之间距离的最大值；分别可以通过3-5计算得到： 其中，m+代表正类样本的个数，m-代表正类样本的个数，yi＝+1表示样本对应的标签为1，yi＝-1表示样本对应的标签为-1； 再构建直觉模糊集IFSs：最终通过式6得到张量样本的得分值si： 步骤4：对原始张量样本进行张量鲁棒主成分分析，精确地恢复出不含噪声的低秩特征张量该过程主要通过求解下面的凸优化问题： 其中，表示低秩特征成分；εi表示稀疏噪声成分；表示低秩特征成分的核范数；λi表示松弛变量；||εi||1表示稀疏噪声成分εi的1-范数； 通过交替方向乘子法得到上述问题的解 步骤5：建立非线性直觉模糊支持张量机模型的原始问题，并得到其对偶问题； 步骤6：通过求解最终的对偶优化问题12得到解向量进而得到： 其中，L＝{i|0αic0si,i＝1,2,…,m}表示所有支持张量的索引集，p代表集合L中的元素，yp代表样本的标签；代表权重的最优解，b*代表偏置的最优解；则 对未知待诊断样本先通过张量鲁棒主成分分析得到低秩特征张量再代入式15所示的决策函数得到其预测标签： 步骤7：对测试集中的每个张量样本进行张量鲁棒主成分分析得到每个样本的低秩特征张量，代入决策函数15中，得到每个样本的预测标签，判断预测标签与真实标签是否相等；利用准确率＝分类正确的样本数样本总数，得到模型的分类准确率。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路２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。