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 > 齐鲁理工学院曹凤获国家专利权

齐鲁理工学院曹凤获国家专利权

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!

龙图腾网获悉齐鲁理工学院申请的专利一种基于时序关联差异的轴承异常检测方法及系统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:CN119915514B

龙图腾网通过国家知识产权局官网在2025-07-11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:202510379826.1,技术领域涉及:G01M13/04;该发明授权一种基于时序关联差异的轴承异常检测方法及系统是由曹凤;王美玲;赵雪;刘卫林;胡宾鑫;李娜;孟志鹏设计研发完成,并于2025-03-28向国家知识产权局提交的专利申请。

一种基于时序关联差异的轴承异常检测方法及系统在说明书摘要公布了:本申请公开了一种基于时序关联差异的轴承异常检测方法及系统,包括:构建由多个CNN模块组成的卷积神经网络,利用每个CNN模块从不同尺度提取轴承的时域和频域下的多维特征;通过邻近注意力模块和非邻近注意力模块分别对轴承滑动窗口内的邻近时序特征和非邻近时序特征进行提取;采用基于对称KL散度的轴承时序关联差异机制对邻近时序特征与非邻近时序特征之间的关联差异进行计算;将关联差异输入至卷积神经网络进行训练,对轴承正常状态与异常状态之间的关联差异进行增大,增强特征表示的区分度;利用训练完成的卷积神经网络将轴承的多维特征映射为概率分布,实现轴承异常状态的检测。本申请通过上述方式提高了轴承异常检测任务的准确性。

本发明授权一种基于时序关联差异的轴承异常检测方法及系统在权利要求书中公布了:1.一种基于时序关联差异的轴承异常检测方法,其特征在于,包括: 构建由多个CNN模块组成的卷积神经网络,利用每个CNN模块从不同尺度提取轴承的时域和频域下的多维特征; 通过邻近注意力模块和非邻近注意力模块分别对轴承滑动窗口内的邻近时序特征和非邻近时序特征进行提取,包括: 将输入轴承特征按通道维度均匀划分为第一子特征和第二子特征; 第一子特征经过邻近注意力模块时,对轴承邻近时序特征进行提取,包括: 将所述第一子特征输入邻近注意力模块,通过定义当前时刻与多个历史时刻的查询-键值关系,利用交叉注意力模块逐级计算当前时刻与邻近时刻的关联特征;所述交叉注意力模块计算公式为: 式中,Q、K、V分别表示查询向量、键向量、值向量,dk表示Q、K的维度大小; 融合多个历史时刻的关联特征,形成全面的邻近时序特征表示; 第二子特征经过非邻近注意力模块时,对轴承非邻近时序特征进行提取,包括: 非邻近注意力模块对所述第二子特征进行滑动窗口取样; 使用稀疏采样方式,获取输入轴承特征的稀疏表示; 通过第一线性层将轴承的稀疏特征转换为查询量、键向量和值向量,利用矩阵乘法来计算查询量和键向量之间的关联度; 应用Softmax激活函数将关联度转换为概率分布向量; 将所述概率分布向量与值向量进行矩阵乘法,通过第二线性层转换,获得轴承当前时刻与整个轴承序列的非邻近时序特征; 采用基于对称KL散度的轴承时序关联差异机制对所述邻近时序特征与非邻近时序特征之间的关联差异进行计算; 将所述关联差异输入至卷积神经网络进行训练,对轴承正常状态与异常状态之间的关联差异进行增大,增强特征表示的区分度; 利用训练完成的卷积神经网络将轴承的多维特征映射为概率分布,实现轴承异常状态的检测。

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齐鲁理工学院,其通讯地址为:250200 山东省济南市章丘区经十东路3028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”。

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。