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！

龙图腾网获悉西安交通大学申请的专利一种融合时序关系的机械设备集成同类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：CN115293209B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202210961877.1，技术领域涉及：G06F18/2433；该发明授权一种融合时序关系的机械设备集成同类异常检测方法是由刘弹;董成佳;张克煜;支渊设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种融合时序关系的机械设备集成同类异常检测方法在说明书摘要公布了：一种融合时序关系的机械设备集成同类异常检测方法，将提取时序关系的长短时记忆网络模块和提取频域特征的全卷积网络模块进行组合构建集成长短时记忆‑全卷积LSTM‑FCN网络模型，并且根据Bagging集成模型迭代生成多个基分类器，从而完成对无标签监测数据的分类判断；本发明通过Bagging集成的方式获得无标签样本子集，通过随机减少污染率带来的性能增益来克服异常数据标签未知带来的分类困难，同时利用LSTM‑FCN网络强大的时频域特征提取能力克服了传统诊断方法对操作者的经验知识和技术水平要求都比较高的问题；从而完成对无标签监测数据的分类判断，为大型设备异常检测的自动化和智能化指明了方向。

本发明授权一种融合时序关系的机械设备集成同类异常检测方法在权利要求书中公布了：1.一种融合时序关系的机械设备集成同类异常检测方法，其特征在于：将提取时序关系的长短时记忆网络模块和提取频域特征的全卷积网络模块进行组合构建集成长短时记忆-全卷积LSTM-FCN网络模型，并且根据Bagging集成模型迭代生成多个基分类器，从而完成对无标签监测数据的分类判断； 所述的一种融合时序关系的机械设备集成同类异常检测方法，包括以下步骤： 1用集成长短时记忆-全卷积LSTM-FCN网络模型进行机械设备异常检测时，先获取异常样本数据集合P和无标签样本数据集合U； 2对无标签样本集合U进行随机均匀采样，生成无标签样本子集Ut视为正常样本集合，并且该子集大小和异常样本数据集合大小一致； 3组合异常样本数据集合P和无标签样本子集Ut生成训练集合，作为集成长短时记忆-全卷积LSTM-FCN网络模型的训练数据进行训练，得到一个分类器； 4获得该次采样时均未被采样到的数据称为包外数据Uoob＝U-Ut； 5将包外数据Uoob输入训练好的分类器得到本次预测分类概率sx； 6循环步骤2-5进行T次采样，最终获得T个分类器，对每个样本在T个分类器的预测分类概率sx进行累加并平均得到最终分类概率； 7如果最终分类概率大于0.5，判定为异常样本，否则为正常样本。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。