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！

龙图腾网获悉山东科技大学申请的专利一种基于Vision Transformer的齿轮声振信号融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：CN120012033B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510506363.0，技术领域涉及：G06F18/25；该发明授权一种基于Vision Transformer的齿轮声振信号融合故障诊断方法是由王金瑞;廉艳;姜雪;包继华;周生朋;赵亮;张宗振设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本一种基于Vision Transformer的齿轮声振信号融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VisionTransformer的齿轮声振信号融合故障诊断方法，涉及旋转机械振动信号和声学信号的故障诊断技术领域，包括：将声振信号分割成多个小块并基于线性映射进行嵌入，生成输入序列；为输入序列的每个位置动态分配可学习位置编码，结合位置感知缩放因子调整位置编码对输入序列的权重；将声信号和振动信号在独立ViT模块分别进行特征提取和融合；将声信号特征和振动信号特征融合，得到拼接特征；使用Mahalanobis距离来度量域间特征分布差异，结合故障分类器和域分类器进行跨域故障诊断。本发明运用VisionTransformer融合网络，同步提取并融合声振信号特征；将可学习位置缩放与双特征提取通道自适应技术相结合，在旋转机械转速波动工况下实现齿轮的协同跨域故障诊断。

本发明授权一种基于Vision Transformer的齿轮声振信号融合故障诊断方法在权利要求书中公布了：1.一种基于VisionTransformer的齿轮声振信号融合故障诊断方法，其特征在于，包括如下步骤： S1、将声信号和振动信号均分割成多个向量块并基于线性映射进行嵌入，分别生成声信号输入序列和振动信号输入序列；公式为： 式中，xp为分段块序列中的一个块，Z0为patch嵌入； S2、为声信号输入序列和振动信号输入序列的每个位置动态分配可学习位置编码，结合位置感知缩放因子调整位置编码的权重； S3、将调整权重后的声信号和振动信号在独立ViT模块分别进行特征提取和融合； S4、将步骤S3得到的声信号特征和振动信号特征进行融合，得到拼接特征； S5、使用Mahalanobis距离来度量域间特征分布差异，结合故障分类器和域分类器进行跨域故障诊断； 步骤S2包括： S21、生成可学习位置编码，在输入序列中引入生成的位置索引，通过查找位置编码矩阵来获取对应的可学习位置编码向量；公式为： PEi＝Embeddingi； 式中，f0∈RL+1×D为编码器输入序列，R是实数集，L是序列长度，D是嵌入维度，xclass∈RD为分类头向量，E∈RP×Q×D为线性映射矩阵，P和Q分别表示分段的数量和每个分段的特征维度，xp∈RP×C为分段块序列，表示分段块序列中的第p个块，PEi是一个可学习的嵌入函数，用于生成位置i的嵌入向量，Epos∈RL+1×D为位置编码矩阵通过PEi生成，Embedding表示嵌入操作或嵌入矩阵，用于将离散的索引值转换为连续的向量表示； S22、将可学习位置编码与输入序列相加后乘以位置感知缩放因子，公式为： 式中，X∈RB×L×C为输入序列张量，其中，B为批次大小，L为序列长度，C为通道数，α为位置感知缩放因子，ψ为对位置感知缩放因子α梯度的损失函数，b是批次大小的索引变量，D是嵌入维度，d是嵌入维度的索引变量，c是通道数的索引变量，Yb,c,l表示第b个批次、第c个通道、第l个位置的输出值； 步骤S3中，将调整权重后的声信号和振动信号依次执行Z-Pool层降维、卷积层特征提取、批量归一化及非线性激活操作，在卷积层特征提取后加权，将加权后的特征结合起来，并采用逐元素相乘方式进行融合，其中，Z-Pool层降维过程为： MaxPoolhi,j,k＝maxm,nhi+m,j+n,k； Z-Poolh＝ConcatMaxPoolh,AvgPoolh； 式中，i,j,k是输出特征的坐标，m,n是池化窗口内的相对坐标，M和N是池化窗口的高度和宽度，MaxPoolhi,j,k是最大池化操作，AvgPoolhi,j,k是平均池化操作，Z-Poolh为特征降维操作，Z表示将最大池化和平均池化的结果进行拼接的操作，Poolh为对输入序列向量h进行池化操作； 步骤S5中，Mahalanobis距离的计算公式为： 式中，μ是均值向量，S是协方差矩阵，e-μ是向量e与均值向量μ之间的差值向量，DMe,μ是Mahalanobis距离。

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山东科技大学，其通讯地址为：266590 山东省青岛市西海岸新区前湾港路579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”。