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！

龙图腾网恭喜西华大学申请的专利一种结合辅助增强的高速列车减振器故障检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：CN119312233B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411882183.4，技术领域涉及：G06F18/2431；该发明授权一种结合辅助增强的高速列车减振器故障检测方法是由吴昀璞;周宗敏;王思琪;雷霞设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种结合辅助增强的高速列车减振器故障检测方法在说明书摘要公布了：本发明公开了一种结合辅助增强的高速列车减振器故障检测方法，涉及铁路交通技术领域。该方法包括构建减振器故障检测模型，包括主任务子网络和辅助任务子网络分别连接到特征提取网络；将训练样本经特征提取网络分别输入主任务子网络和辅助任务子网络，通过可学习的加权系数计算总损失，训练减振器故障检测模型的网络参数；将待检测监测数据输入减振器故障检测模型，得到主任务输出并阈值化，根据经阈值化的元素判断对应减振器是否故障。该高速列车减振器故障检测方法可有效定位存在故障的减振器，具有低成本、适应性强、准确率较高和可迁移性较高的技术优点；进一步，结合辅助任务进行训练有助于提升训练效率及故障检测的可信度和准确性。

本发明授权一种结合辅助增强的高速列车减振器故障检测方法在权利要求书中公布了：1.一种结合辅助增强的高速列车减振器故障检测方法，其特征在于，包括以下步骤：步骤S1：构建减振器故障检测模型，包括特征提取网络、主任务子网络和辅助任务子网络；主任务子网络和辅助任务子网络分别连接到特征提取网络；步骤S2：训练减振器故障检测模型，包括：将训练样本输入减振器故障检测模型，分别计算主任务子网络的交叉熵损失和辅助任务子网络的均方误差损失；组合交叉熵损失和均方误差损失，得到组合损失并最小化，以优化减振器故障检测模型的网络参数；步骤S3：将悬挂系统待检测的多通道监测数据输入经训练的减振器故障检测模型，得到主任务输出并阈值化；其中，若经阈值化的主任务输出的首位元素为1，则悬挂系统不存在减振器故障；若非首位元素为1，则对应减振器存在故障；步骤S2具体包括：步骤S21：获取包括N个减振器的训练悬挂系统的监测数据集，并分割为n个训练样本；步骤S22：对第i个训练样本xi，通过特征提取网络提取其特征表示，得到训练特征矩阵公式如下： 式中，fs·为特征提取网络的激活函数，Ws和bs分别为特征提取网络的权重矩阵和偏置向量；步骤S23：1将训练特征矩阵输入主任务子网络，得到主任务训练输出大小为1×N+1的训练概率向量，公式如下： 式中，softmax·表示归一化指数函数，和分别表示主任务子网络的权重矩阵和偏置向量；主任务训练输出的第一个元素为训练悬挂系统不存在减振器故障的概率，第k3个元素为减振器故障位于第k3-1个减振器的概率；其中，k3＝2，3，...，N+1；通过阈值化，将主任务训练输出中值最大的元素置为1，其余元素置为0；2将训练特征矩阵输入辅助任务子网络，得到大小为1×N的辅助任务训练输出公式如下： 式中，和分别表示辅助任务子网络的权重矩阵和偏置向量；辅助任务训练输出中，第k4个元素的值表示第k4个减振器的性能剩余度，k4＝1，2，...，N；步骤S24：计算主任务子网络的交叉熵损失为Lcls，公式如下： 式中，c表示故障类别索引，c＝1，2，...，N+1，1yi＝c为示性函数，yi＝c时为1，否则为0；计算辅助任务子网络的均方误差损失Lreg，公式如下： 式中，yreg，i为训练样本i对应的真实标签，性能退化的真实值；步骤S25：计算减振器故障检测模型的组合损失LMTL，公式如下：LMTL＝σclsLcls+σregLreg；式中，σcls为主任务损失权重；σreg为辅助任务损失权重；步骤S26：最小化组合损失LMTL，以优化减振器故障检测模型的网络参数；步骤S26还包括动态调整主任务损失权重σcls和辅助任务损失权重σreg的方法，具体为：优化减振器故障检测模型的组合损失LMTL，公式如下： 通过反向传播算法计算组合损失函数LMTL的梯度，根据梯度动态调整主任务损失权重σcls和辅助任务损失权重σreg。

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西华大学，其通讯地址为：610039 四川省成都市金牛区土桥金周路999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”。