摘 要：本文对国内基于人工神经网络的故障诊断的专利申请总体情况进行分析，并分别从专利申请量、专利申请人分布、专利申请区域分布等方面进行统计分析。
　　关键词：故障诊断;人工神经网络
　　1、概述
　　随着科技的迅猛发展，现有的机械设备逐渐的趋于自动化，复杂化和大型化，且由于设备使用年限的增长和人为的使用不当，这些设备的故障往往无法避免，同时也难以排查。传统人为的故障诊断不仅耗费时间长，而且诊断效率和准确率都不高。这样往往会造成设备的停机时间过长，且给使用者或者企业造成巨大的经济损失。因此，寻找一种高效的故障诊断方法[1]有着极为重要的意义。而随着人工神经网络的兴起，其为寻找一种高效准确的故障诊断方法提供了可能。
　　2、专利申请现状
　　为了分析我国基于人工神经网络的故障诊断的专利状况，在IncoPat的数据库中，对相关专利进行检索，数据采集时间截止至2019年5月6日。本文主要对上述专利数据进行分析。
　　2.1、专利申请量分析
　　图2-1为在基于人工神经网络的故障诊断专利申请中，全球专利申请量的年度分布以及我国专利申请量的年度分布折线图，以便于简单、直观的对全球专利申请的发展趋势和我国专利申请的发展趋势进行比较;图2-2为我国专利申请量的年度分布柱状图，以便于直接的获得我国在各年的专利申请量。
　　通过对图2-1分析可得，基于人工神经网络的故障診断专利申请出现于1999年左右，而通过对全球专利申请量的年度分布与我国专利申请量的年度分布的对比可知，在基于人工神经网络的故障诊断专利申请中，我国在该方面的发展趋势与全球的发展趋势大致相同，大体可以分为以下三个阶段：
　　（1）1999年-2004年为基于人工神经网络的故障诊断技术的萌芽期：在此期间，全球每年平均有20件左右的专利申请，申请量变化不明显，主要是探索和研究;在此期间，我国的申请量很少，起步较晚;在该阶段，人们初步开始将人工神经网络应用于故障诊断中;
　　（2）2005年-2010年为基于神经网络的故障诊断技术的缓慢发展期：该阶段的基于人工神经网络的故障诊断专利申请量逐年增加，但是增长速度缓慢;在此期间，我国的申请量虽然也明显增多，但增长缓慢;
　　（3）2010年-至今为基于人工神经网络的故障诊断技术的快速发展期：随着国内外对人工神经网络应用越来越多的研究，在该阶段基于人工神经网络的故障诊断专利申请量几乎呈直线上升，井喷式增长;在此期间，我国在该领域明显有了突破性的进展，申请量逐年快速增长，在一定程度上说明我国在此阶段一直致力于基于人工神经网络的故障诊断技术的研发，基于人工神经网络的故障诊断技术发展迅速。
　　2.2、专利申请人分布
　　图2-3为在基于人工神经网络的故障诊断专利申请中，我国主要申请人的分布情况。对图2-3分析可得，在基于人工神经网络的故障诊断专利申请中，排名前十的申请人中，高校申请人占9个，由此可以看出，我国的申请人主要为各高校，而这也在一定程度上间接地表明了我国基于人工神经网络的故障诊断技术目前处于研发阶段，还没有大量的使用到工业的故障诊断中。而在排名前十的申请中，国家电网公司的占比是最大的，其中，国家电网公司在中国的申请量占比29.63%，这在一定程度上可以看出，国家电网公司十分注重基于人工神经网络的故障诊断技术，这应该与电网领域中电力设备较多且电路网络较为复杂有关。
　　2.3专利申请区域分布
　　图2-4示出了基于人工神经网络的故障诊断专利申请的国内申请人的主要省市分布，从图中可以看出，江苏和北京的申请量排名最为靠前，这与江苏和北京的研发机构、大型企业、高校等学术或工业力量比较集中有关，广东、陕西的申请量比较接近，这两个地区的专利产出量也相对比较大。该信息在一定程度上能反映出基于人工神经网络的故障诊断技术在我国区域的分布情况。
　　3、总结
　　目前，故障诊断的方法主要是基于人工神经网络的故障诊断方法，因为基于人工神经网络的故障诊断方法[2]能够克服对于模型的过分依赖性，也能对潜在的故障进行诊断，从而提高故障诊断的精度。
　　参考文献：
　　[1]谭阳红，何怡刚，陈洪云，吴杰.大规模电路故障诊断神经网络方法[J].电路与系统学报，2001（4）.
　　[2]张绪锦，谭剑波，韩江洪.基于BP神经网络的故障诊断方法[J].系统工程理论与实践，2002（6）.
　　注：第二作者在本文中的贡献等同于第一作者