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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于脉冲神经网络的深空探测器自主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：CN113688885B 。

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：202110918858.6，技术领域涉及：G06F18/214；该发明授权一种基于脉冲神经网络的深空探测器自主故障诊断方法是由袁家斌;李若玮;马玮琦;查可可;夏涛设计研发完成，并于2021-08-11向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络的深空探测器自主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脉冲神经网络的深空探测器自主故障诊断方法，包括以下步骤：对深空探测器中传感器收集到的故障数据采用基于时频域的局部均值分解法LMD进行预处理；分析处理后的原始数据，提取相应故障特征；采用随机森林算法对提取到的故障特征进行特征选择；采用随机森林算法对提取到的故障特征进行特征选择；将选择后的故障特征进行归一化为带有时间信息的脉冲序列；构建多层脉冲神经网络，输入脉冲序列训练脉冲神经网络，训练好的模型完成自主故障诊断。本发明通过将脉冲神经网络首次应用于深空探测故障诊断领域，通过识别故障信息，实现探测器自主故障诊断。

本发明授权一种基于脉冲神经网络的深空探测器自主故障诊断方法在权利要求书中公布了：1.一种基于脉冲神经网络的深空探测器自主故障诊断方法，其特征在于，包括以下步骤：S1.对深空探测器中传感器收集到的原始数据进行预处理；S2.分析处理后的原始数据，提取相应故障特征；S3.采用随机森林算法对提取到的故障特征进行特征选择；S4.将选择后的故障特征进行归一化为带有时间信息的脉冲序列；S5.构建多层脉冲神经网络，输入脉冲序列训练脉冲神经网络，训练好的模型完成自主故障诊断；所述步骤S1包括以下步骤：S11.根据收集到的原始信号数据，采用时频域信号分解算法LMD对原始故障数据进行信号分解，设k为记录局部极值点序号的常量，找出故障信号xt的所有局部极值点nkk＝1,2,…，计算每两个连续极值点nk和nk+1的均值mk和包络估计值ak，其中：mk＝nk+nk+12，ak＝|nk-nk+1|2；对各个离散点进行曲线拟合，得出局部均值函数m11t和局部包络函数a11t；S12.将故障信号xt减去局部均值函数m11t得到余下信号h11t，将余下信号h11t除以局部包络函数a11t得到调频信号s11t；将调频信号s11t作为新的故障信号循环执行S21和S22直到得到纯调频信号s1nt，设n为分解次数，第n次得到的调频信号为a1nt，其中：a1nt＝1；S13.设j为记录局部包络函数序号的常量，j＝1,2,3…,将所有局部包络函数a1jt相乘得到包络信号a1t，表示累积相乘符号，则将a1t与s1nt相乘得到第一个瞬时信号分量PF1t，PF1t＝a1t×s1nt；从原始故障信分离出PF1t与第一个残差信号r1t作为新的信号，循环步骤S11至S13直到r1t单调，令I为循环次数，i表示从1至I的常量，i＝1,2…I,得到故障信号xt的分解结果：所述步骤S2包括以下步骤：S21.由于LMD分解后得到的瞬时信号PF分量仍有海量的数据量，直接作为特征向量会增加模型复杂度，对原始故障信号划分为m个片段，每个片段进行LMD分解为4个瞬时信号分量，即PF1为第一个瞬时信号分量，PF2为第二个瞬时信号分量，PF3为第三个瞬时信号分量，PF4为第四个瞬时信号分量和残差信号rt，对PF分量进行特征提取，残差信号不做特征提取处理，其中：原始故障信号为S，T为信号长度s1,s2…sT为分解后得到的各个故障信号分量，即S＝s1,s2,…sT，为均值，σ为标准差；S22.设st为S＝s1,s2,…sT的子集，t表示由1到T的常量t＝1,2…T，通过特征提取得到偏度峰度峰度指标波形指标脉冲指标裕度指标得到提取的特征；所述步骤S3包括以下步骤：S31.在高维深空环境下，由于包括大量无关信息和冗余信息，故需要对故障特征进行选择，采用随机森林算法对于故障特征进行选择，获取S22中提取到的故障特征，令每个PF分量作为节点，每个节点有f个特征，随机选取节点上的一部分特征nsub，利用随机选取的这部分样本特征选择一个最优的作为决策树的左右子树划分；S32.输入故障特征集合D,迭代次数P,对于故障特征集进行e次随机采样，得到包含e个样本的采样集合Dt，用采样集合训练决策树模型Gtx，每次选取训练决策树模型节点上所有样本特征中的一部分特征，这些随机选取的部分样本特征中选择一个最优的作为左右子树划分，最终迭代完成后即获得了故障特征集合，完成特征选择；所述步骤S4包括以下步骤：S41.由于在脉冲神经网络中，输入以及每层的激活值是以脉冲信号的形式传播，故需要对输入样本数据进行编码，为了编码数据，将故障特征向量进行归一化，采用min-max归一化方法，公式为其中：为第p个特征归一化后的值，xp为第p个特征，xmax为第p个特征最大值，xmin为第p个特征最小值；S42.每个故障特征向量具有6个特征x1,x2,…x6，利用高斯群编码的方法将输入特征编码成脉冲神经网络能够处理的脉冲时间信息，采用3个高斯接受阈将每个输入特征编码到脉冲神经元点火时间上，即用3个神经元的点火时间表示1个特征，将原始故障数据映射到更高维的数据空间，扩大数据之间的差距；所述步骤S5包括以下步骤：S51.采用泄露发放积分神经元模型，输入分为两部分，IR为流向电阻R的电流，IC为流向电容C的电流，令：t为时间，u为神经元膜电压，It为随时间变化的电流函数，ut为神经元膜电压随时间变化的函数，为神经元膜电压对时间的微分，等式两边同时乘R得到其中：时间常数tm＝RC；S52.利用梯度下降法进行权重更新其中：w为权重，wnew为更新后的权重值，wpost为更新前的权重值，E为损失函数，α为学习速率，选取交叉熵函数Ey,y′作为损失函数，Ey,y′＝-[ylogy′+1-ylog1-y′]，y为网络中样本输入数据得到的实际输出序列，y′为目标输出序列，更新每一层的网络参数表示与第l层神经元b相连的神经元a的权重，当膜电压超过阈值θ时，神经元发出脉冲，之后神经元处于静息电位urest，通常urest＝0，表示在t时刻，第l层神经元是否发放脉冲，取值为0或1，当膜电压超过阈值θ时，取值为1，之后电压处于静息电位0，若电压值未达到阈值，则取值为0，继续更新权重，累积电压直到能触发脉冲；S53.构建三层结构的脉冲神经网络模型，包括输入层，隐藏层和输出层，将编码后的脉冲数据输入输入层，为隐藏层和输出层分别设置不同的阈值电压θh和θo，每两层神经元之间的连接方式为全连接，输出层神经元的个数等于故障类型的数量，对脉冲神经网络模型进行训练，完成自主故障诊断。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。