公开(公告)号：CN115034361A

公开(公告)日：2022-09-09

申请号：CN202210625753.6

申请日：2022-06-02

Applicant: 苏州大学

Inventor： 王宜怀 ,  杨璐 ,  徐婷婷 ,  唐自立 ,  马小虎

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/00

Abstract: 本申请提供一种基于ICS‑BP神经网络的传感器物理量回归方法，包括：确定ICS‑BP神经网络的激活函数和层数；采集训练数据，对所述ICS‑BP神经网络进行训练；使用训练后的ICS‑BP神经网络对传感器物理量进行回归预测。对采集的样本数据进行归一化处理；使用ICS算法获得全局最优的权值和阈值，并初始化BP神经网络；确定ICS‑BP神经网络的学习参数，包括学习率、隐藏层神经元数、迭代截止条件。对于很难寻找明确的数学公式甚至根本找不到数学公式的回归问题，使用ICS‑BP神经网络进行回归，只需采集训练样本数据，即可自主进行动态物理量回归并实现传感器老化矫正。

公开(公告)号：CN115081591B

公开(公告)日：2025-04-04

申请号：CN202210657956.3

申请日：2022-06-10

Applicant: 苏州大学

Inventor： 王宜怀 ,  叶建中 ,  张雯 ,  杨璐 ,  唐自立

IPC: G06F18/2415 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  F16K37/00 ,  G01D21/02

Abstract: 本申请提供一种电动阀门故障概率预测方法，包括：采集电动阀门故障监测系统的历史数据，所述历史数据包括芯片温度、信号强度、拉压值、硫化氢浓度、氢气浓度以及开关阀时间；根据所述历史数据计算得到历史故障概率；将所述历史故障概率输入训练好的故障概率预测模型，输出电动阀门的故障概率预测值。本申请在模型训练完成后，通过序列化预测实现对电动阀门设备在未来半小时内的故障概率、气体浓度等物理量数据进行较为精准的描述，以便于对设备进行提前的维护与检修，避免安全事故的发生。

公开(公告)号：CN115081591A

公开(公告)日：2022-09-20

申请号：CN202210657956.3

申请日：2022-06-10

Applicant: 苏州大学

Inventor： 王宜怀 ,  叶建中 ,  张雯 ,  杨璐 ,  唐自立

IPC: G06N3/04 ,  G06N3/08 ,  G01D21/02

Abstract: 本申请提供一种电动阀门故障概率预测方法，包括：采集电动阀门故障监测系统的历史数据，所述历史数据包括芯片温度、信号强度、拉压值、硫化氢浓度、氢气浓度以及开关阀时间；根据所述历史数据计算得到历史故障概率；将所述历史故障概率输入训练好的故障概率预测模型，输出电动阀门的故障概率预测值。本申请在模型训练完成后，通过序列化预测实现对电动阀门设备在未来半小时内的故障概率、气体浓度等物理量数据进行较为精准的描述，以便于对设备进行提前的维护与检修，避免安全事故的发生。