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图卷积域自适应网络的齿轮箱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：CN118468133B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202410557311.1，技术领域涉及：G06F18/2415；该发明授权一种基于图卷积域自适应网络的齿轮箱故障诊断方法是由卢一相;黄跃龙;竺德;赵大卫;高清维;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。

本一种基于图卷积域自适应网络的齿轮箱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图卷积域自适应网络的齿轮箱故障诊断方法，包括：构建无监督自适应模块，对目标域工作条件下的齿轮箱故障信号进行故障特征提取和整合；构建密集连接模块，基于密集连接思想进行特征传播与降维；构建图卷积模块，以基于密集连接模块输出的特征构建实例图并对实例图进行建模；构建softmax分类器，对图卷积模块的输出进行分类，得到信号的故障分类结果；构建故障诊断模型并对模型进行训练优化；将测试集数据输入到训练后的故障诊断模型，实现对齿轮箱信号故障的诊断。本发明能及时发现齿轮箱故障并对故障信号进行可靠识别，有效的对齿轮箱故障诊断进行预测。

本发明授权一种基于图卷积域自适应网络的齿轮箱故障诊断方法在权利要求书中公布了：1.一种基于图卷积域自适应网络的齿轮箱故障诊断方法，其特征在于，包括： 1）构建无监督自适应模块，以对目标域工作条件下的齿轮箱故障信号进行故障特征提取和整合； 2）构建密集连接模块，以基于密集连接思想进行特征传播与降维； 3）构建图卷积模块，以基于密集连接模块输出的特征构建实例图并对实例图进行建模； 4）构建softmax分类器，以对图卷积模块的输出进行分类，得到信号的故障分类结果； 5）以无监督自适应模块、密集连接模块、图卷积模块、softmax分类器构建故障诊断模型并对模型进行训练优化； 6）将测试集数据输入到训练后的故障诊断模型，实现对齿轮箱信号故障的诊断； 所述1）构建的无监督自适应模块由两个卷积核大小不一致的卷积块和一个注意力机制采用残差连接的方式组成；其中两个卷积核大小不一致的卷积块用于故障信号的故障特征提取，注意力机制用于对每个特征进行加权，实现故障特征整合； 所述1）构建的无监督自适应模块还包括批量归一化、线性校正和最大池化层，用于对注意力机制整合后的特征进行批量归一化、线性校正和最大池化； 所述2）构建的密集连接模块包括两个密集连接块和卷积转化层，两个密集连接块之间插入卷积转化层，卷积转化层包含1x1的卷积层和平均池化层； 密集连接块包括1x1与3x3的卷积层，分别用于减少特征图的通道数和特征提取； 所述密集连接块的每个层都与前面所有层直接相连，用于重用前层的特征； 所述卷积转化层，用于两个密集连接块的特征降维； 所述密集连接块的输出为： （1） 其中，表示密集连接模块第l层的输出，表示卷积和池化非线性变换函数，表示在通道方向上连接的原始输入和前层的输出； 所述3）构建的图卷积模块包括图生成层和两层残差连接的图卷积网络，通过图生成层构建实例图，通过两层残差连接的图卷积网络对实例图进行建模； 所述图生成层从密集连接模块输出的特征中学习数据结构，获取邻接矩阵并从矩阵中构造实例图； 图生成层构造实例图的过程如下： 将密集连接模块输出的每个特征向量视为一个节点，并将其值视为节点特征，构成特征矩阵； 将特征矩阵输入到多层感知器MLP，MLP输出的特征与其转置之间的矩阵相乘，获得邻接矩阵； 根据top-k排序机制来选择邻接矩阵中每个节点的前k个最近邻居，得到样本结构特征； 挖掘样本结构特征的关系，构建实例图； 所述图卷积网络对实例图中沿图上加权边传播的结构信息进行建模，以将数据结构信息嵌入到节点特征中。

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”。