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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于重构相似性的复杂装备不均衡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：CN115510967B 。

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：202211164149.4，技术领域涉及：G06F18/22；该发明授权一种基于重构相似性的复杂装备不均衡异常检测方法是由钟诗胜;赵明航;张永健;刘丹;林琳;付旭云;刘雪云设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本一种基于重构相似性的复杂装备不均衡异常检测方法在说明书摘要公布了：本申请提供了一种基于重构相似性的复杂装备不均衡异常检测方法，通过CAE‑SIAMESE模型，实现了样本不均衡条件下的航空发动机异常进行检测；CAE‑SIAMESE模型包括卷积自编码器和孪生神经网络；卷积自编码器，用于表征学习；孪生神经网络，用于度量样本重构相似性。本申请诊断精度高并且抗噪能力强；引入重构相似性学习机制使得CAE‑SIAMESE获取的正常样本的重构相似性更大而异常样本的重构相似性更小，更有利于正常与异常的诊断；网络中的卷积层更能捕获多维监控数据中的复杂关系，更能表征原始样本的特点；孪生神经网络在度量相似性时可以抵抗噪声的影响，有效解决发动机监控数据存在噪声问题。

本发明授权一种基于重构相似性的复杂装备不均衡异常检测方法在权利要求书中公布了：1.一种基于重构相似性的复杂装备不均衡异常检测方法，其特征在于：所述基于重构相似性的复杂装备不均衡异常检测方法，通过CAE-SIAMESE模型，实现了样本不均衡条件下的航空发动机异常进行检测； CAE-SIAMESE模型包括卷积自编码器和孪生神经网络；卷积自编码器，用于表征学习；孪生神经网络，用于度量样本重构相似性； 所述CAE-SIAMESE模型的训练步骤如下： 1只是采用正常样本训练卷积自编码器，即通过反向传播算法最小化损失函数； 2将正常样本与其对应的重构样本两两配对，收集所有的配对样本作为孪生神经网络的输入； 3使用配对样本训练孪生神经网络，即最小化损失函数； 所述孪生神经网络以样本及其对应的重构表示作为输入，并输出对应的嵌入式表示和； 嵌入式表示的简单距离度量就近似输入样本之间的邻域关系； 通过计算嵌入式表示之间的欧氏距离： 该距离用于比较输入样本和重构样本的相似程度； 在所述孪生神经网络中，采用的损失函数是三角损失， 所述三角损失形式化定义如下： 其中，表示配对数据的标签，是输入样本的潜在表示； 利用孪生神经网络获得样本的重构相似性之后，还需要设置合适的阈值用于区分正常样本和异常样本区，阈值选择方法采用基于最大似然估计的阈值选择方法，依据六西格玛准则，将样本偏离的阈值设置为伽马分布的百万之3.4的分位数，则 式中，表示样本的诊断结果； 如果样本的偏离小于决策阈值，就会被诊断为正常样本；否则，则被诊断为异常样本。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。