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！

龙图腾网获悉安徽大学申请的专利一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法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：CN118606878B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202410557305.6，技术领域涉及：G06F18/25；该发明授权一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法是由卢一相;王本庆;竺徳;赵大卫;包牧兮;孙冬设计研发完成，并于2024-05-07向国家知识产权局提交的专利申请。

本一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法在说明书摘要公布了：本发明公开了一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法，包括：步骤1：多信息融合模块对多传感器获取的齿轮箱故障信号进行信号预处理和权重调整，构建平衡数据集，构造邻接特征矩阵并生成邻接特征矩阵的时空图；步骤2：所述平衡数据集输入深度注意力胶囊网络，得到单标签故障样本的向量特征矩阵；步骤3：所述时空图输入多层谱图小波卷积网络，得到多个单标签故障之间的拓扑结构特征矩阵；步骤4：将所述向量特征矩阵与拓扑结构特征矩阵输入多标签分类器，得到复合故障中各单故障分量的预测概率。本发明能够有效的诊断齿轮箱的复合故障，并且具有较好的稳定性，对噪声的鲁棒性较强，具有一定的泛化能力。

本发明授权一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法在权利要求书中公布了：1.一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法，其特征在于，包括： 步骤1：多信息融合模块对多传感器获取的齿轮箱故障信号进行信号预处理和权重调整，构建平衡数据集，构造邻接特征矩阵并生成邻接特征矩阵的时空图； 步骤2：所述平衡数据集输入深度注意力胶囊网络，得到单标签故障样本的向量特征矩阵； 步骤3：所述时空图输入多层谱图小波卷积网络，得到多个单标签故障之间的拓扑结构特征矩阵； 步骤4：将所述向量特征矩阵与拓扑结构特征矩阵输入多标签分类器，得到复合故障中各单故障分量的预测概率； 步骤2所述深度注意力胶囊网络包括频率注意力机制、卷积层、初始胶囊层和数字胶囊层； 所述频率注意力机制引入全局平均池化层GAP，将平衡数据集的混合特征LG∈R2d×L′的全局信息压缩到通道表示向量z∈R2d×1中，z的第i个元素表示为： 所述卷积层通过ReLU和sigmoid激活来获得非线性表示vi，具体如下： 其中Keri和bi分别表示第i个卷积核的权重和偏置； f和分别表示非线性激活函数和卷积计算； 所述初始胶囊层和数字胶囊层使用非线性激活函数squash，得到单标签故障样本的向量特征矩阵，具体如下： 其中是数字胶囊j的输出向量，为n次更新后输出的单标签故障样本的向量特征矩阵； Wi为变换矩阵； cij是由基于协议的动态路由算法更新的系数； bij是胶囊i耦合胶囊j的对数先验概率； C表示标签的数量； 步骤3所述多层谱图小波卷积网络通过谱图小波卷积层对时空图提取多尺度信息，然后通过卷积层学习隐藏在时域和频域中的特征信息，通过逐层信号分解和特征学习，将无关信息逐步去除，得到多个单标签故障之间的拓扑结构特征矩阵。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。