買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉四川輕化工大學申請的專利一種智能化旋轉機械故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120387056B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510873852.X，技術領域涉及：G06F18/24；該發明授權一種智能化旋轉機械故障診斷方法是由唐宇峰;曹睿;屈朝陽;魏源彬;阿海木沙;王健名;湯藝杰設計研發完成，并于2025-06-27向國家知識產權局提交的專利申請。

本一種智能化旋轉機械故障診斷方法在說明書摘要公布了：本發明提供了一種智能化旋轉機械故障診斷方法，屬于機械故障診斷技術領域，其內容包括：首先，獲取源域工況及目標域工況下的待故障診斷振動信號，并進行降噪處理；其次，通過短時傅里葉變換將降噪后的信號轉換為二維時頻圖像，分別制作源域數據集和目標域數據集；再次，構建注意力增強網絡（SE?CNN?BiLSTM?MSMHA）并基于源域數據集對模型進行預訓練，得到源域工況模型；隨后，凍結源域工況模型部分參數，利用目標域數據對源域工況模型參數進行微調，得到目標域工況模型；最后，輸入目標域數據，實現目標域工況的故障診斷。本發明成果可為提高強噪聲背景下跨工況故障診斷準確率提供科學依據。

本發明授權一種智能化旋轉機械故障診斷方法在權利要求書中公布了：1.一種智能化旋轉機械故障診斷方法，其特征在于，包括以下步驟： 步驟一：獲取旋轉機械在源域工況及目標域工況下的振動信號； 步驟二：對源域工況和目標域工況的振動信號通過降噪處理模塊進行降噪處理，降噪處理模塊包括兩個子模塊：白鯨優化算法優化變分模態分解子模塊，理想解排序法對變分模態分解篩選重構子模塊； 步驟三：對降噪后的振動信號進行短時傅里葉變換，得到二維時頻圖像，通過源域工況得到的二維時頻圖像制作源域數據集，通過目標域工況得到的二維時頻圖像制作目標域數據集； 步驟四：構建基于SE-CNN-BiLSTM-MSMHA的注意力增強網絡模型，利用源域數據集完成對網絡模型的預訓練，得到源域工況模型； 所述SE-CNN-BiLSTM-MSMHA的注意力增強網絡，其結構為：首先，模型的構建始于輸入層，依次通過三個連續的卷積層，一個擠壓和激勵模塊，第四個卷積層、一個池化層、一個展平層和第一個雙向長短時記憶層；其次，通過重塑層將其重塑為一維序列，并連接多尺度多頭注意力模塊；再次，連接一個展平層展平，并在展平后通過兩個用ReLU激活函數全連接層以及一個使用softmax激活函數的輸出層進行故障分類識別；其中，多尺度多頭注意力模塊采用三通道并行架構，包括：首先，構建包含三組并行雙向長短期記憶網絡的層組，其中各雙向長短時記憶層具有不同規模隱藏神經元數量，且均啟用全序列輸出模式；其次，每個雙向長短時記憶層均連接參數自適應的多頭注意力模塊，在多頭注意力模塊中，注意力頭數固定為4，并動態計算Key向量維度，Key向量維度＝隱藏單元數注意力頭數；最后，采用深度拼接策略將三組注意力輸出進行特征融合，形成三支并行處理流；多尺度多頭注意力模塊數學公式表示如下： 首先是三個雙向長短期記憶網絡： Hi＝BiLSTMiX 其中，BiLSTMi為模塊中的第i個BiLSTM通道，X為輸入序列，Hi為輸出序列； 接著是構建后續注意力機制的查詢、鍵、值矩陣和注意力得分計算公式； 查詢矩陣Qi,j： Qi,j＝HiWQ i,j 鍵矩陣Ki,j： Ki,j＝HiWK i,j 值矩陣Vi,j： Vi,j＝HiWV i,j 注意力得分Attentioni,j： Attentioni,j＝Vi,j×softmaxQi,j×Ki,jdki12 多頭注意力得分MultiHeadi： MultiHeadi＝ConcatAttentioni,1,Attentioni,2,Attentioni,3,Attentioni,4Wo 其中，Concat是拼接變換函數；j代表第j個注意力頭，j＝1,2,3,4；WQ i,j，WK i,j，WV i,j是第i個BiLSTM通道，第j個注意力頭的三個可學習權重矩陣；dki是一個自適應參數，表示輸入第i個BiLSTM的輸出維度注意力頭數，用于縮放點積以穩定訓練；Wo為可學習的權重矩陣；通過查詢和鍵的矩陣乘法計算注意力分數，經softmax函數歸一化后，與值矩陣相乘得到第j個頭的注意力輸出；然后將4個頭的注意力輸出進行拼接，得到第i個通道的多頭注意力輸出；最后將三通道的多頭注意力輸出進行拼接得到最終多尺度多頭注意力的輸出序列，數學公式為： Ffused＝ConcatMultiHead1,MultiHead2,MultiHead3 步驟五：通過遷移學習方法，凍結源域工況模型中第一個雙向長短時記憶層前的所有網絡模型參數，以目標域數據集中的少量數據樣本對源域工況模型進行參數微調，得到目標域工況模型； 步驟六：采用步驟二和步驟三的方法，對待故障診斷的振動信號進行降噪處理、得到二維時頻圖像后，將時頻圖像輸入到該振動信號對應工況的故障診斷模型中，實現故障診斷。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人四川輕化工大學，其通訊地址為：643000 四川省自貢市自流井區匯東學苑街180號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。