申请/专利权人：山东神力索具有限公司

申请日：2024-03-14

公开（公告）日：2024-04-16

公开（公告）号：CN117892182A

主分类号：G06F18/24

分类号：G06F18/24;G06N3/084;G06N3/0475;G06N3/094;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供一种基于人工智能的索具耐用性测试方法及装置，涉及数据处理技术领域，包括：获取目标索具的属性数据，将其组装成目标索具的属性数据向量，通过数据处理模型输出属性数据向量对应的耐用性特征；通过预先训练好的分类器模型对耐用性特征进行分类，根据对应的分类结果对目标索具进行耐用性分析。其中，数据处理模型通过预设的分位数梯度下降方法进行优化，还通过蒙特卡洛方法估计属性数据向量对应的潜在空间的分布，能够确定有价值的数据，对未知数据的预测更为准确。且，利用量子态进行数据扩充构建训练样本集，能够提升样本的多样性和质量，并提高分类任务的准确性，实现更高效、更准确的索具耐用性测试。

主权项：1.一种基于人工智能的索具耐用性测试方法，其特征在于，所述方法包括：获取目标索具的属性数据；所述属性数据至少包括使用环境数据、负载数据和磨损数据；对所述属性数据进行组装，生成所述目标索具的属性数据向量；将所述属性数据向量输入至预先构建的数据处理模型中，通过所述数据处理模型输出所述属性数据向量对应的耐用性特征；所述耐用性特征用于表征所述目标索具的耐用性能；其中，所述数据处理模型基于预设的训练样本集训练，所述训练样本集中的训练样本包括索具样本数据和对应的样本标签，所述样本标签用于指示索具样本数据对应的程度，且，所述训练样本集是利用量子态对原始样本进行数据扩充后构建的；且，通过预设的分位数梯度下降方法进行优化，以确定所述属性数据向量中的第一目标特征，所述第一目标特征用于指示所述属性数据向量中的非线性关系和潜在的异常模式；所述数据处理模型还通过蒙特卡洛方法估计所述属性数据向量对应的潜在空间的分布，以捕捉和表示所述属性数据向量的内在结构；通过预先训练好的分类器模型对所述耐用性特征进行分类，输出分类结果；其中，用于训练所述分类器模型的训练样本集通过所述数据处理模型进行数据处理；根据所述分类结果对所述目标索具进行耐用性分析。

全文数据：

权利要求：

百度查询： 山东神力索具有限公司 基于人工智能的索具耐用性测试方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD