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！

龙图腾网恭喜湖南电气职业技术学院申请的专利基于深度学习的电梯门系统故障检测方法及系统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：CN119476358B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510055761.5，技术领域涉及：G06N3/0442；该发明授权基于深度学习的电梯门系统故障检测方法及系统是由向程谕设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本基于深度学习的电梯门系统故障检测方法及系统在说明书摘要公布了：本发明涉及电梯门系统数据处理技术领域，具体公开了基于深度学习的电梯门系统故障检测方法及系统，本发明通过数据采集得到电梯门原始数据集；采用数据清洗、数据编码和数据归一化的数据预处理方法；采用核K均值聚类结合高斯过程回归的半监督学习方法，能够从大量的未标记数据中提取有价值的信息，并通过聚类和回归的方式有效地筛选出与故障模式相关的数据；采用结合优化算法的双向长短期记忆网络模型进行电梯门系统故障检测的方法，能够充分挖掘电梯门系统中复杂的动态行为和时序依赖性，具有较强准确性和适应性。

本发明授权基于深度学习的电梯门系统故障检测方法及系统在权利要求书中公布了：1.基于深度学习的电梯门系统故障检测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，通过数据采集，得到电梯门原始数据集，具体包括历史原始数据集和当前原始数据集；步骤S2：数据预处理，对采集到的原始数据进行预处理，得到历史电梯门数据集和当前电梯门数据集；步骤S3：电梯门数据标注，用于电梯门数据标注，具体为构建核K均值聚类模型进行数据标注，得到故障检测数据集，具体步骤包括构建聚类模型、数据聚类处理、数据提取、数据筛选和进行数据标注；所述数据提取，具体为通过计算聚类后的未标记数据与聚类后的标记数据之间的距离，对未标记数据进行数据提取，得到初步未标记数据集；所述数据筛选，具体为采用高斯过程回归对所述初步未标记数据集进行数据筛选，步骤包括：步骤S341：设计函数，所用公式如下： ；式中，表示输出生成函数，表示正态分布，表示均值函数，表示协方差函数，x和表示输出生成函数自变量，表示第a个输入数据，表示第b个输入数据，表示信号方差，表示长度尺度；步骤S342：训练高斯过程回归模型，具体为基于历史电梯门数据集中的标记数据训练高斯过程回归模型，得到训练数据协方差矩阵，所用公式如下： ；式中，Km表示大小为的协方差矩阵，表示历史电梯门数据集中的标记数据数量；步骤S343：预测均值与方差，所用公式如下： ；式中，表示待预测数据的协方差向量，表示待预测数据，表示预测均值，T表示转置操作，表示训练数据输出值，表示预测方差；步骤S344：设计阈值并筛选，具体为将所述初步未标记数据集中的数据作为待预测数据，采用训练后的高斯过程回归模型进行处理，并基于预测方差设计阈值对所述初步未标记数据集中的数据进行筛选，阈值设计所用公式如下： ；式中，表示阈值控制系数，表示待预测数据预测方差均值，表示阈值，筛选出预测方差大于阈值的数据，并与历史电梯门数据集中的标记数据合并为一个数据集，得到历史融合数据集；步骤S4：故障检测模型构建，用于构建检测电梯门系统故障发生所需的模型，具体为构建结合优化算法的双向长短期记忆网络模型，并作为故障检测模型，具体步骤包括分割数据集、构建双向长短期记忆网络模型和超参数优化；所述超参数优化，步骤包括算法初始化、计算平衡因子和突变因子、全局搜索、局部搜索、位置突变、确定全局最优解和优化模型超参数；步骤S5：电梯门系统故障检测，具体为通过所述故障检测模型进行电梯门系统故障检测，得到故障检测参考数据。

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湖南电气职业技术学院，其通讯地址为：411101 湖南省湘潭市岳塘区下摄司潭下路2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”。