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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于CIOHMM的闭环控制系统的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：CN115903743B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202211491667.7，技术领域涉及：G05B23/02；该发明授权一种基于CIOHMM的闭环控制系统的故障诊断方法是由严颖;蔡骏;陈亮;贾红云;余彬;苏芮设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种基于CIOHMM的闭环控制系统的故障诊断方法在说明书摘要公布了：本发明涉及一种基于CIOHMM的闭环控制系统的故障诊断方法，采用反馈神经网络、以及卡尔曼滤波粒子滤波等方法提取故障特征，以此获得主要故障类型的特征数据集，建立实现目标设备状态量判断的CIOHMM模型；不同于传统HMM、IOHMM具有输入，将设备的连续闭环控制信号设置为CIOHMM模型的输入，针对不同的输入，采用不同的状态转移矩阵描述状态的动态变化，可以描述闭环控制下的设备的状态演化；如此所建立CIOHMM模型不仅描述了设备状态与观测值之间的关系，也描述了闭环控制对于系统状态动态变化的影响，可以实现对于空调机组设备故障的精确诊断，比之其他方法有独特的优势。

本发明授权一种基于CIOHMM的闭环控制系统的故障诊断方法在权利要求书中公布了：1.一种基于CIOHMM的闭环控制系统的故障诊断方法，其特征在于：分别针对空调机组的各目标设备，执行如下步骤A至步骤C，获得目标设备所对应的故障诊断模型；进而按步骤i，应用目标设备所对应故障诊断模型，实现对目标设备的故障诊断；步骤A.获得目标设备所对应的各目标故障特征，并获得各目标故障特征分别对应预设各历史时间节点的数据值，构建目标设备所对应的目标故障特征数据矩阵，然后进入步骤B；上述步骤A包括如下步骤A1至步骤A4；步骤A1.定义目标设备所涉及存在设定值的各变量的数据分别与其设定值的差值、以及预设与目标设备所涉及故障相关的各传感检测，作为各待分析故障特征，并进入步骤A2；步骤A2.基于预训练目标设备所对应以预设各目标检测特征数据为输入、预设目标分析特征估计值为输出的反馈神经网络模型，定义反馈神经网络模型所输出目标分析特征估计值与目标分析特征计算值之间差值，作为待分析故障特征，然后进入步骤A3；步骤A3.采用卡尔曼滤波或粒子滤波方法估计获得与目标设备所涉及故障相关的各参数，作为待分析故障特征，然后进入步骤A4；步骤A4.基于各待分析故障特征分别对应预设各历史时间节点的数据值，采用PCA主成分分析法获取各待分析故障特征中的各主成分待分析故障特征，作为目标设备所对应的各目标故障特征，并获得各目标故障特征分别对应预设各历史时间节点的数据值，构建目标设备所对应的目标故障特征数据矩阵；步骤B.构建目标设备所对应包含初始概率向量π＝{πi}、状态转移矩阵P＝{aijU}、观测值似然函数biO，考虑目标设备控制量、目标设备对应各目标故障特征观测值，实现目标设备状态量判断的CIOHMM模型，其中，目标设备控制量用于表示目标设备的工作模式，目标设备状态量用于表示目标设备处于正常工作状态或目标设备处于各故障状态，i＝1、…、N，j＝1、…、N，N表示目标设备所处状态的个数，πi表示目标设备处于第i个状态的初始概率，aijU表示目标设备控制量U下、由第i个状态向第j个状态转移的概率，O表示目标设备对应各目标故障特征观测值，biO表示目标设备各目标故障特征观测值对应第i个状态的概率；然后进入步骤C；步骤C.基于目标设备所对应的目标故障特征数据矩阵，结合目标故障特征分别对应预设各历史时间节点的目标设备控制量、以及目标设备状态量，采用EM算法，针对目标设备所对应的CIOHMM模型进行训练，获得训练后的CIOHMM模型，即目标设备所对应的故障诊断模型；步骤i.获得目标设备对应各目标故障特征在目标时间点的观测值，结合目标设备对应目标时间点的控制量，应用目标设备所对应的故障诊断模型，通过维特比算法获得目标设备对应目标时间点的状态量，实现目标设备对应目标时间点的故障诊断。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。