Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通理工学院王焱获国家专利权

南通理工学院王焱获国家专利权

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!

龙图腾网获悉南通理工学院申请的专利一种机械设备故障识别方法、装置及存储介质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:CN119646672B

龙图腾网通过国家知识产权局官网在2025-06-10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:202510182809.9,技术领域涉及:G06F18/2415;该发明授权一种机械设备故障识别方法、装置及存储介质是由王焱设计研发完成,并于2025-02-19向国家知识产权局提交的专利申请。

一种机械设备故障识别方法、装置及存储介质在说明书摘要公布了:本发明属于机械智能运维技术领域,公开了机械装备智能运维技术领域的一种机械设备故障识别方法、装置及存储介质,方法包括:提取所述振动信号的域全局特征,通过所述域内分类特征提取器提取所述域全局特征的域内分类特征,通过所述域间特征提取器提取所述振动信号的域间分类特征,将所述域间分类特征和域内分类特征进行数值相加操作,得到重组分类特征,将所述域间分类特征、域内分类特征和重组分类特征输入故障分类器获得故障类型预测概率;通过所述故障类型预测概率的最大值得到对应的故障类型序数,实现对故障类型的识别。本发明能够解决新型故障被错误识别为已有的故障类型,使得机械设备故障识别的准确率下降的技术问题。

本发明授权一种机械设备故障识别方法、装置及存储介质在权利要求书中公布了:1.一种机械设备故障识别方法,其特征在于,包括:获取机械设备的振动信号;将所述振动信号输入到预训练好的诊断模型,所述诊断模型包括域全局特征提取器、域间特征提取器、域内分类特征提取器以及故障分类器;通过所述域全局特征提取器提取所述振动信号的域全局特征,通过所述域内分类特征提取器提取域全局特征的域内分类特征,通过所述域间特征提取器提取所述振动信号的域间分类特征,将所述域间分类特征和域内分类特征进行数值相加操作,得到重组分类特征,将所述域间分类特征、域内分类特征和重组分类特征输入故障分类器获得故障类型预测概率;通过所述故障类型预测概率的最大值得到对应的故障类型序数,实现对故障类型的识别;所述诊断模型的训练过程包括:按照预设分割长度对所采集的历史振动信号进行无重叠分割,获得状态样本,根据所述状态样本的故障类型和采集工况域类型进行标定,获得带标签的训练数据集;通过所述域全局特征提取器提取所述带标签的训练数据集中状态样本的域全局特征,将所述域全局特征输入所述域内分类特征提取器提取状态样本的域内分类特征,通过所述域间特征提取器提取所述状态样本的域间分类特征;将所述状态样本的域间分类特征和域内分类特征进行数值相加操作,得到状态样本的重组分类特征;将所述状态样本的域间分类特征、域内分类特征和重组分类特征输入故障分类器,获得所述状态样本的故障类型预测概率;根据所述状态样本的故障类型预测概率和状态样本被标定的真实故障类型标签计算故障分类交叉熵损失,基于所述故障类型预测概率计算偏好校正损失,根据反向传播和优化算法最小化故障分类交叉熵损失和偏好校正损失,根据最小的故障分类交叉熵损失和偏好校正损失确定训练好的诊断模型;将所述状态样本的域全局特征输入工况特定特征提取器提取工况特定特征,将所述状态样本的域全局特征、工况特定特征和域内分类特征输入域分类器,获得所述状态样本的域类型预测概率。

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南通理工学院,其通讯地址为:226006 江苏省南通市崇川区永兴路211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”。

以上内容由AI智能生成
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。