[发明专利]基于深度递归神经网络的自适应健康指标提取方法在审
| 申请号： | 201810858270.4 | 申请日： | 2018-07-31 |
| 公开（公告）号： | CN109143856A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 张彩霞;王向东;胡绍林;王新东 | 申请（专利权）人： | 佛山科学技术学院 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 伍传松 |
| 地址： | 528000 广东省佛山市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度递归神经网络的自适应健康指标提取方法，包括以下步骤：选定待管理的制造过程运行环境，并在所述制造过程运行环境中布置多个异构传感器以采集物理信号；建立兼具时间深度和空间深度的多层递归神经网络模型；将所述采集的物理信号进行分析以提取训练参数；多层递归神经网络模型通过误差反向传播所述训练参数，驱动数据自适应特征学习，以提取制造过程中的健康指标。 | ||
| 搜索关键词： | 健康指标 制造过程 自适应 递归神经网络 神经网络模型 物理信号 训练参数 运行环境 采集 误差反向传播 驱动数据 特征学习 传感器 异构 分析 管理 | ||
【主权项】：
1.基于深度递归神经网络的自适应健康指标提取方法，其特征在于，包括以下步骤：选定待管理的制造过程运行环境，并在所述制造过程运行环境中布置多个异构传感器以采集物理信号；建立兼具时间深度和空间深度的多层递归神经网络模型；将所述采集的物理信号进行分析以提取训练参数；多层递归神经网络模型通过误差反向传播所述训练参数，驱动数据自适应特征学习，以提取制造过程中的健康指标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院，未经佛山科学技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810858270.4/，转载请声明来源钻瓜专利网。
