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！

申请/专利权人：山东神力索具有限公司

摘要：本发明提供一种基于人工智能的螺旋栓吊环受损评估方法及装置，涉及数据处理技术领域，包括：通过识别目标螺旋栓吊环的多维度向量型数据，确定目标向量后，由预先构建的受损评估模型对目标向量进行分类，并基于对应的分类结果确定目标螺旋栓吊环的受损情况。其中，多维度向量型数据至少包括吊环使用数据和吊环自身传感监测数据，模型通过多维度训练样本训练，且基于加速多方向鲸鱼优化算法对分类器进行参数更新，基于此，本发明能够对多维数据进行处理，并可以提高识别精度，满足设备受损检测需求。

主权项：1.一种基于人工智能的螺旋栓吊环受损评估方法，其特征在于，包括：采集目标螺旋栓吊环的多维度向量型数据；所述多维度向量型数据至少包括吊环使用数据和吊环自身传感监测数据；对所述多维度向量型数据进行识别，确定所述多维度向量型数据中的目标向量；将所述目标向量输入至预先构建的受损评估模型中，对所述目标向量进行分类，确定分类结果；其中，所述受损评估模型基于预设的分类器构建，训练所述分类器的训练样本集包括多维度训练样本和样本标签；且，所述分类器基于加速多方向鲸鱼优化算法进行参数更新；基于分类结果确定所述目标螺旋栓吊环的受损情况；其中，对所述多维度向量型数据进行识别，确定所述多维度向量型数据中的目标向量的步骤，包括：通过预先构建的特征提取模型对所述多维度向量型数据进行特征提取，确定目标特征；所述特征提取模型基于动态序列优化算法对网络参数更新后构建；通过预先构建的降维模型对所述目标特征进行降维，得到所述多维度向量型数据中的目标向量；所述特征提取模型的构建方法，包括：获取预设的神经网络，随机初始化所述神经网络的网络参数和参数更新序列；通过所述神经网络对预设的训练样本集进行前向传播，计算网络性能指标；基于所述网络性能指标和所述参数更新序列的历史表现，采用基于规则的方法对所述参数更新序列中的参数进行调整；从所述参数更新序列中选择目标参数集合，并将所述目标参数集合作为所述神经网络的新网络参数进行迭代训练；且，在所述迭代训练的过程中引入随机变化，以更新所述神经网络的网络参数；直到所述神经网络满足预设的迭代条件，基于所述神经网络构建特征提取模型；所述降维模型的构建方法，包括：对预设的自编码器引入随机映射层，初始化所述随机映射层的参数；通过所述随机映射层对预设的训练样本集进行随机非线性变换，得到映射层输出；将所述映射层输出输入至所述自编码器中，对所述自编码器进行训练；其中，根据所述自编码器的隐藏层节点的输出动态对所述隐藏层的参与度进行调整；计算所述自编码器对应的当前损失，基于所述当前损失更新自编码器的网络参数；直到所述自编码器满足预设的训练要求，基于所述自编码器构建降维模型；所述训练样本集的构建方法，包括：对在预设环境中的螺旋栓吊环的多维度数据进行采集，得到多维度训练样本；所述多维度数据包括吊环使用数据和吊环自身传感监测数据；对所述多维度训练样本进行标注，构建初始样本集；对所述初始样本集进行标准化后转换成量子比特，并对所述量子比特进行量子投影，得到低维空间量子数据；通过所述低维空间量子数据对预设的生成对抗网络进行迭代训练，生成扩充样本；计算所述扩充样本和所述低维空间量子数据之间的量子态相似度对所述生成对抗网络的网络参数进行更新；对满足扩充要求的所述扩充样本进行解码，并将解码的所述扩充样本与所述初始样本集合并，构建训练样本集。

全文数据：

权利要求：

百度查询： 山东神力索具有限公司 基于人工智能的螺旋栓吊环受损评估方法及装置