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！

龙图腾网获悉四川轻化工大学申请的专利一种智能化旋转机械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：CN120387056B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510873852.X，技术领域涉及：G06F18/24；该发明授权一种智能化旋转机械故障诊断方法是由唐宇峰;曹睿;屈朝阳;魏源彬;阿海木沙;王健名;汤艺杰设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种智能化旋转机械故障诊断方法在说明书摘要公布了：本发明提供了一种智能化旋转机械故障诊断方法，属于机械故障诊断技术领域，其内容包括：首先，获取源域工况及目标域工况下的待故障诊断振动信号，并进行降噪处理；其次，通过短时傅里叶变换将降噪后的信号转换为二维时频图像，分别制作源域数据集和目标域数据集；再次，构建注意力增强网络（SE‑CNN‑BiLSTM‑MSMHA）并基于源域数据集对模型进行预训练，得到源域工况模型；随后，冻结源域工况模型部分参数，利用目标域数据对源域工况模型参数进行微调，得到目标域工况模型；最后，输入目标域数据，实现目标域工况的故障诊断。本发明成果可为提高强噪声背景下跨工况故障诊断准确率提供科学依据。

本发明授权一种智能化旋转机械故障诊断方法在权利要求书中公布了：1.一种智能化旋转机械故障诊断方法，其特征在于，包括以下步骤： 步骤一：获取旋转机械在源域工况及目标域工况下的振动信号； 步骤二：对源域工况和目标域工况的振动信号通过降噪处理模块进行降噪处理，降噪处理模块包括两个子模块：白鲸优化算法优化变分模态分解子模块，理想解排序法对变分模态分解筛选重构子模块； 步骤三：对降噪后的振动信号进行短时傅里叶变换，得到二维时频图像，通过源域工况得到的二维时频图像制作源域数据集，通过目标域工况得到的二维时频图像制作目标域数据集； 步骤四：构建基于SE-CNN-BiLSTM-MSMHA的注意力增强网络模型，利用源域数据集完成对网络模型的预训练，得到源域工况模型； 所述SE-CNN-BiLSTM-MSMHA的注意力增强网络，其结构为：首先，模型的构建始于输入层，依次通过三个连续的卷积层，一个挤压和激励模块，第四个卷积层、一个池化层、一个展平层和第一个双向长短时记忆层；其次，通过重塑层将其重塑为一维序列，并连接多尺度多头注意力模块；再次，连接一个展平层展平，并在展平后通过两个用ReLU激活函数全连接层以及一个使用softmax激活函数的输出层进行故障分类识别；其中，多尺度多头注意力模块采用三通道并行架构，包括：首先，构建包含三组并行双向长短期记忆网络的层组，其中各双向长短时记忆层具有不同规模隐藏神经元数量，且均启用全序列输出模式；其次，每个双向长短时记忆层均连接参数自适应的多头注意力模块，在多头注意力模块中，注意力头数固定为4，并动态计算Key向量维度，Key向量维度＝隐藏单元数注意力头数；最后，采用深度拼接策略将三组注意力输出进行特征融合，形成三支并行处理流；多尺度多头注意力模块数学公式表示如下： 首先是三个双向长短期记忆网络： Hi＝BiLSTMiX 其中，BiLSTMi为模块中的第i个BiLSTM通道，X为输入序列，Hi为输出序列； 接着是构建后续注意力机制的查询、键、值矩阵和注意力得分计算公式； 查询矩阵Qi,j： Qi,j＝HiWQ i,j 键矩阵Ki,j： Ki,j＝HiWK i,j 值矩阵Vi,j： Vi,j＝HiWV i,j 注意力得分Attentioni,j： Attentioni,j＝Vi,j×softmaxQi,j×Ki,jdki12 多头注意力得分MultiHeadi： MultiHeadi＝ConcatAttentioni,1,Attentioni,2,Attentioni,3,Attentioni,4Wo 其中，Concat是拼接变换函数；j代表第j个注意力头，j＝1,2,3,4；WQ i,j，WK i,j，WV i,j是第i个BiLSTM通道，第j个注意力头的三个可学习权重矩阵；dki是一个自适应参数，表示输入第i个BiLSTM的输出维度注意力头数，用于缩放点积以稳定训练；Wo为可学习的权重矩阵；通过查询和键的矩阵乘法计算注意力分数，经softmax函数归一化后，与值矩阵相乘得到第j个头的注意力输出；然后将4个头的注意力输出进行拼接，得到第i个通道的多头注意力输出；最后将三通道的多头注意力输出进行拼接得到最终多尺度多头注意力的输出序列，数学公式为： Ffused＝ConcatMultiHead1,MultiHead2,MultiHead3 步骤五：通过迁移学习方法，冻结源域工况模型中第一个双向长短时记忆层前的所有网络模型参数，以目标域数据集中的少量数据样本对源域工况模型进行参数微调，得到目标域工况模型； 步骤六：采用步骤二和步骤三的方法，对待故障诊断的振动信号进行降噪处理、得到二维时频图像后，将时频图像输入到该振动信号对应工况的故障诊断模型中，实现故障诊断。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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”。