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！

龙图腾网恭喜杭州电子科技大学申请的专利基于动态步长PSO优化神经网络的电梯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：CN114648096B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210214439.9，技术领域涉及：G06N3/0442；该发明授权基于动态步长PSO优化神经网络的电梯故障诊断方法是由邢豪蔚;陈科明设计研发完成，并于2022-03-07向国家知识产权局提交的专利申请。

本基于动态步长PSO优化神经网络的电梯故障诊断方法在说明书摘要公布了：本发明公开了一种基于动态步长PSO优化神经网络的电梯故障诊断方法。本发明通过传感器获取的多项详细运行数据后，基于物联网技术由网关把采集到的数据上传到云数据平台并进行分析，首先使用归一化方法对电梯原始数据进行预处理，线性处理且保证不影响数据的有效性，且优化后续算法对电梯故障诊断的准确度、稳定性和泛用性。然后使用ReliefF算法筛选众多特征参数，留下与所要检测故障类型相关性较大的特征值，建立多层感知神经网络模型。使用改进后的动态步长PSO算法对神经网络进行优化，确定足够精确的权重、阈值等关键参数，做到输入特征值到输出故障的准确映射。本发明可以提高检测电梯故障类型的准确率和效率。

本发明授权基于动态步长PSO优化神经网络的电梯故障诊断方法在权利要求书中公布了：1.基于动态步长PSO优化神经网络的电梯故障诊断方法，其特征在于该方法包括以下步骤：步骤S1：通过电流传感器、电压传感器、振动传感器、力传感器、位置传感器、速度传感器获取电梯运行时的实时数据，即电梯运行数据，使用归一化方法对电梯运行数据进行预处理；步骤S2：将每一类电梯运行数据记为一种特征，则电梯运行数据的所有类型为特征值集；将四个故障类型作为输出层，将预处理后的电梯运行数据通过reliefF方法筛选与四个故障类型相关性强度前十的特征值集作为输入层；步骤S3：建立BP神经网络，所述的BP神经网络由包含十个节点的输入层、包含八个节点的中间隐含层和包含四个节点的输出层组成，并设置BP神经网络的误差目标；步骤S4：初始化粒子群优化算法的参数与结构，将步骤S3中建立的BP神经网络的误差函数作为适应度函数；设置退出粒子群优化算法的满足条件，包括限制目标适应度函数值、最大迭代次数；将BP神经网络的权值与阈值作为粒子的位置；随机初始化粒子群种群数量及各个位置、速度，限制最大迭代次数；步骤S5：通过改进后的粒子群优化算法的迭代公式对粒子的位置与速度进行更新，其中改进之处在于：加入粒子的移动步长因子，使得粒子的移动与个体适应度在群体中的优劣程度有关；步骤S6：将粒子群算法每一次迭代后的粒子进行适应度排序，将适应度较劣的13粒子看做烟花算法的烟花，产生火花，通过精英-轮盘赌的策略选择下一代粒子；循环迭代后若粒子群满足条件则最终输出全局最优解；步骤S7：将粒子群全局最优解作为BP神经网络初始权重与阈值，完成BP神经网络的优化；将70%的预处理后的电梯运行数据通过优化后的BP神经网络进行训练，将30%的预处理后的电梯数据通过优化后BP神经网络进行测试；步骤S8：将相同的电梯数据通过没有优化的标准BP神经网络进行训练与测试，将训练测试结果与步骤S7的训练测试结果进行对比，证明优化后的BP神经网络相比于标准BP神经网络对于电梯故障诊断的准确率有一定的提升；步骤S9：将优化后的BP神经网络应用于电梯故障诊断中；所述步骤S2，包含以下步骤：步骤S2.1：从所有获取到的电梯运行数据中随机选择一个样本a，从样本a同类的样本中寻找k个最近邻近样本；步骤S2.2：从所有其它与样本a不同分类的样本组内，也分别取出k个最近邻样本；步骤S2.3：计算每个特征的权重，取其平均值；步骤S2.4：对所有特征的权重平均值进行排序，取得权重排名前十的特征值。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。