基于人工神經網絡的故障診斷專利淺析

林佳麗 李雪駒

摘 要：本文對國內基于人工神經網絡的故障診斷的專利申請總體情況進行分析，并分別從專利申請量、專利申請人分布、專利申請區域分布等方面進行統計分析。

關鍵詞：故障診斷;人工神經網絡

1、概述

隨著科技的迅猛發展，現有的機械設備逐漸的趨于自動化，復雜化和大型化，且由于設備使用年限的增長和人為的使用不當，這些設備的故障往往無法避免，同時也難以排查。傳統人為的故障診斷不僅耗費時間長，而且診斷效率和準確率都不高。這樣往往會造成設備的停機時間過長，且給使用者或者企業造成巨大的經濟損失。因此，尋找一種高效的故障診斷方法[1]有著極為重要的意義。而隨著人工神經網絡的興起，其為尋找一種高效準確的故障診斷方法提供了可能。

2、專利申請現狀

為了分析我國基于人工神經網絡的故障診斷的專利狀況，在IncoPat的數據庫中，對相關專利進行檢索，數據采集時間截止至2019年5月6日。本文主要對上述專利數據進行分析。

2.1、專利申請量分析

圖2-1為在基于人工神經網絡的故障診斷專利申請中，全球專利申請量的年度分布以及我國專利申請量的年度分布折線圖，以便于簡單、直觀的對全球專利申請的發展趨勢和我國專利申請的發展趨勢進行比較;圖2-2為我國專利申請量的年度分布柱狀圖，以便于直接的獲得我國在各年的專利申請量。

通過對圖2-1分析可得，基于人工神經網絡的故障診斷專利申請出現于1999年左右，而通過對全球專利申請量的年度分布與我國專利申請量的年度分布的對比可知，在基于人工神經網絡的故障診斷專利申請中，我國在該方面的發展趨勢與全球的發展趨勢大致相同，大體可以分為以下三個階段：

（1）1999年-2004年為基于人工神經網絡的故障診斷技術的萌芽期：在此期間，全球每年平均有20件左右的專利申請，申請量變化不明顯，主要是探索和研究;在此期間，我國的申請量很少，起步較晚;在該階段，人們初步開始將人工神經網絡應用于故障診斷中;

（2）2005年-2010年為基于神經網絡的故障診斷技術的緩慢發展期：該階段的基于人工神經網絡的故障診斷專利申請量逐年增加，但是增長速度緩慢;在此期間，我國的申請量雖然也明顯增多，但增長緩慢;

（3）2010年-至今為基于人工神經網絡的故障診斷技術的快速發展期：隨著國內外對人工神經網絡應用越來越多的研究，在該階段基于人工神經網絡的故障診斷專利申請量幾乎呈直線上升，井噴式增長;在此期間，我國在該領域明顯有了突破性的進展，申請量逐年快速增長，在一定程度上說明我國在此階段一直致力于基于人工神經網絡的故障診斷技術的研發，基于人工神經網絡的故障診斷技術發展迅速。

2.2、專利申請人分布

圖2-3為在基于人工神經網絡的故障診斷專利申請中，我國主要申請人的分布情況。對圖2-3分析可得，在基于人工神經網絡的故障診斷專利申請中，排名前十的申請人中，高校申請人占9個，由此可以看出，我國的申請人主要為各高校，而這也在一定程度上間接地表明了我國基于人工神經網絡的故障診斷技術目前處于研發階段，還沒有大量的使用到工業的故障診斷中。而在排名前十的申請中，國家電網公司的占比是最大的，其中，國家電網公司在中國的申請量占比29.63%，這在一定程度上可以看出，國家電網公司十分注重基于人工神經網絡的故障診斷技術，這應該與電網領域中電力設備較多且電路網絡較為復雜有關。

2.3專利申請區域分布

圖2-4示出了基于人工神經網絡的故障診斷專利申請的國內申請人的主要省市分布，從圖中可以看出，江蘇和北京的申請量排名最為靠前，這與江蘇和北京的研發機構、大型企業、高校等學術或工業力量比較集中有關，廣東、陜西的申請量比較接近，這兩個地區的專利產出量也相對比較大。該信息在一定程度上能反映出基于人工神經網絡的故障診斷技術在我國區域的分布情況。

3、總結

目前，故障診斷的方法主要是基于人工神經網絡的故障診斷方法，因為基于人工神經網絡的故障診斷方法[2]能夠克服對于模型的過分依賴性，也能對潛在的故障進行診斷，從而提高故障診斷的精度。

參考文獻：

[1]譚陽紅，何怡剛，陳洪云，吳杰.大規模電路故障診斷神經網絡方法[J].電路與系統學報，2001（4）.

[2]張緒錦，譚劍波，韓江洪.基于BP神經網絡的故障診斷方法[J].系統工程理論與實踐，2002（6）.

注：第二作者在本文中的貢獻等同于第一作者