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！

龙图腾网恭喜北京交通大学申请的专利一种基于故障底层特征的机电系统维修方式预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：CN116452189B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202310403553.0，技术领域涉及：G06Q10/20；该发明授权一种基于故障底层特征的机电系统维修方式预测方法是由李曼;宾紫嫣;周鑫燚;贾利民;覃思瑶;苗诗晗设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本一种基于故障底层特征的机电系统维修方式预测方法在说明书摘要公布了：本发明提供了一种基于故障底层特征的机电系统维修方式预测方法。该方法包括：基于机电系统的维修记录以故障数据为实例，以故障类型为标签，构建实例与标签间的相关矩阵，对所有标签进行聚类处理，计算实例到标签正负实例集的聚类中心之间的欧式距离，得到实例与标签间的映射关系；构建二元分类器，将故障机电系统的故障数据作为未知实例，将所述未知实例输入到所述二元分类器，输出所述故障机电系统的维修方式的初步判定结果；引入校准标签，利用故障底层特征和校准标签对故障机电系统的维修方式的初步判定结果进行更新，得到最终的维修方式判定结果。本发明提供的方法可以有效的根据复杂机电系统采集的数据进行维修方式判定，且精度高。

本发明授权一种基于故障底层特征的机电系统维修方式预测方法在权利要求书中公布了：1.一种基于故障底层特征的机电系统维修方式预测方法，其特征在于，包括：基于机电系统的维修记录以故障数据为实例，以故障类型为标签，构建实例与标签之间的相关矩阵，对所有标签进行聚类处理，计算实例到标签正负实例集的聚类中心之间的欧式距离，得到实例与标签正负实例集之间的映射关系；根据所述实例与标签之间的相关矩阵和实例与标签正负实例集之间的映射关系构建二元分类器，将故障机电系统的故障数据作为未知实例，将所述未知实例输入到所述二元分类器，所述二元分类器输出所述故障机电系统的维修方式的初步判定结果；引入校准标签，利用故障底层特征和校准标签对所述故障机电系统的维修方式的初步判定结果进行更新，得到最终的维修方式判定结果；所述的基于机电系统的维修记录以故障数据为实例，以故障类型为标签，构建实例与标签之间的相关矩阵，对所有标签进行聚类处理，计算实例到标签正负实例集的聚类中心之间的欧式距离，得到实例与标签正负实例集之间的映射关系，包括：以故障机电系统的每项故障数据为实例，每项故障类型为标签，故障类型对应的具体参数为特征值，构建实例与特征值之间的特征矩阵F及实例与标签之间的相关矩阵R： 其中，m表示所有的实例数，n表示所有的特征数，q表示所有的标签数，aij为该实例的具体特征参数，1≤i≤m,1≤j≤n，bij为-1或1，-1表示该实例不具有对应标签，1表示该实例具有对应标签，1≤i≤m,1≤j≤q；Step2：对于每一个标签对应的实例若与该标签相关则加入该标签的正实例集P，反之，则加入负实例集N；Step3：对各标签对应的正实例集合P和负实例集合N分别计算标签熵Ekp、Ekn： 其中，Ekp表示第k个标签对应正实例集合的标签熵；hpj表示在该标签对应的正实例集中出现的第j个标签向量与在正实例集中出现的总标签向量的比值；Ekn和hnj则分别表示第k个标签的负实例集对应的标签熵及向量比值；Step4：利用正负实例集的标签熵计算每个标签的基本熵，用基本熵评估标签的最小变化： wk表示第k个标签的基本熵；Step5：计算根据训练数据自适应的聚类簇数： 其中，ck表示第k个标签正负实例集的对应聚类簇数，s为平滑参数；|P|和|N|分别表示正负实例集的基数，对各标签对应正负实例集合以相同的聚类簇数ck分别执行k-means聚类；Step6：根据聚类结果对每个标签构建由n维至2ck维的映射： εxk表示实例与第j个标签对应正负实例集分别的聚类结果的集合构建的映射；为实例与该标签正实例集各聚类中心的欧氏距离，为实例与该标签负实例集各聚类中心的欧氏距离，所述映射包含标签的相关实例集和不相关实例集分别进行处理，得到的不同标签特征结果；所述的根据所述实例与标签之间的相关矩阵和实例与标签正负实例集之间的映射关系构建二元分类器，将故障机电系统的故障数据作为未知实例，将所述未知实例输入到所述二元分类器，所述二元分类器输出所述故障机电系统的维修方式初步判定结果，包括：Step1：根据实例与标签之间的相关矩阵R和实例与标签对应正负实例集的聚类结果之间的映射关系构建一个二元训练集Djk，该训练集Djk中包含每两对标签间与实例的相关性对应关系，对于q个可能的类别标签{l1,l2,…,lq}，通过成对比较生成qq―12个二进制分类器； Djk＝{εxij,ΨYi,lj,lk}其中，Djk表示对于每个实例特征向量xi与第j个标签和第k个标签的相关性二进制训练集；bij代表矩阵R中的第i行j列个元素；bik代表矩阵R中的第i行k列个元素；εxij表示对应第j个标签对应正负实例集聚类结果的实例向量xi映射结果；ΨYi,lj,lk表示实例xi相对于第j个标签和第k个标签的偏好值，Yi表示第i个实例的相关标签集，对于每个实例对应的训练集利用二进制学习算法B诱导得到一个二进制分类器，即gjk←BDjk；其中gjk表示由训练集Djk训练得到的，从距离集合到标签对相关性的映射关系，B是任意简单二元分类学习器；Step2：每一个实例都将参与二元分类器的学习过程，分类学习结果作为投票法的投票依据：对于任意实例xi∈X，若qjk0则系统投票给lj，否则投票给lk，将故障机电系统的故障数据作为未知实例xu，将所述未知实例xu输入到所述二元分类器；所述二元分类器输出未知实例xu每个可能的类标签的总体投票： 其中fxu,lj表示未知实例xu可能的类标签lj的投票结果，表示二进制训练集Dkj对应的学习结果投票，若gkjxu≤0成立，则为1，否则为0，将fxu,lj作为所述故障机电系统的维修方式初步判定结果。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。