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！

龙图腾网恭喜中国科学院合肥物质科学研究院申请的专利一种基于机器学习的聚变装置分子泵故障诊断与预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：CN115898927B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202211476107.4，技术领域涉及：F04D27/00；该发明授权一种基于机器学习的聚变装置分子泵故障诊断与预测方法是由袁啸林;左桂忠;周阳;江明设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种基于机器学习的聚变装置分子泵故障诊断与预测方法在说明书摘要公布了：本发明将提供一种基于机器学习的聚变装置分子泵故障诊断与预测方法，该方法通过对聚变装置中分子泵故障实时进行诊断与预测，并根据诊断预测结果对即将出现故障的分子泵进行更换和维修，从而有效降低分子泵在聚变装置运行过程中发生重大事故的可能性，进而提高聚变装置中真空系统和整个装置的安全性，解决了常规分子泵统一维护时缺乏针对性和分子泵维修发生在事故后的弊端，这对于未来聚变装置的自动化运行具有重要意义，有效解决未来聚变装置预决策和预维护所面临的难题。本发明采用一种基于支持向量机的故障诊断方法以及改进的双向长短期记忆网络模型的预测方法，可以有效提高对分子泵的故障诊断性能以及预测故障准确性。

本发明授权一种基于机器学习的聚变装置分子泵故障诊断与预测方法在权利要求书中公布了：1.一种基于机器学习的聚变装置分子泵故障诊断与预测方法，其特征在于，包括如下步骤：步骤1、采集与存储分子泵实时状态信息数据；步骤2、对分子泵实时状态信息数据进行分析预处理，提取分子泵特征信息；步骤3、基于支持向量机算法的分子泵故障诊断模型，实现多种故障诊断；基于改进的双向长短时记忆网络分子泵故障预测模型，实现分子泵故障预测；基于支持向量机算法的分子泵故障诊断模型，实现多种故障诊断，包括：首先采集分子泵多种故障类型数据，分别进行时域特征和频域特征提取，形成特征向量集，再标准化作为基于支持向量机算法的分子泵故障诊断模型的输入；所述基于改进的双向长短时记忆网络分子泵故障预测模型，实现分子泵故障预测，包括：首先采集分子泵完整全寿命周期时间序列信息，对采集的全寿命周期时间序列数据，等间隔分组处理，并进行时域特征和频域特征提取，形成特征向量集，最后标准化，作为改进的双向长短时记忆网络分子泵故障预测模型输入，实现分子泵故障预测；所述双向长短时记忆网络，即Bi-LSTM，在单向LSTM，即长短时记忆网络的基础上引入反向传播，实现模型的双向传播，通过学习时间序列前向反向历史信息，更好提升模型的预测精度；其中所述Bi-LSTM的计算均基于单向的LSTM： ； ； ；式中：为前向向量；为反向向量；为前一时刻前向向量；为后一时刻反向向量；为前向与反向向量作用输出；W为对应的权重系数；为偏置项；为激活函数；xt为当前时刻的输入。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市庐阳区三十岗乡古城路181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”。