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！

龙图腾网获悉国能北电胜利能源有限公司申请的专利一种基于分层注意力机制的管道系统故障诊断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：CN119004322B 。

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：202411074855.9，技术领域涉及：G06F18/2433；该发明授权一种基于分层注意力机制的管道系统故障诊断方法及系统是由佘长超;彭志超;腾天野;黄超;心珊珊;霍俊杰设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种基于分层注意力机制的管道系统故障诊断方法及系统在说明书摘要公布了：本发明涉及管道故障检测技术领域，尤其涉及一种基于分层注意力机制的管道系统故障诊断方法及系统。所述方法包括获取增强型故障数据集，搭建金字塔残差卷积网络PRCN和搭建三层双向长短时记忆网络TBiLSTM，构建分层注意力网络模型CBHANet，应用训练完成的分层注意力网络模型CBHANet进行管线故障诊断。本发明结合数据清洗和增强技术，利用PRCN的多尺度特征提取能力和TBiLSTM的时序数据处理能力，共同优化了CBHANet模型对复杂数据的处理效率和故障预测的精度，TT和PC并行结构的应用极大提高了特征的综合利用效率，通过时间和空间注意力机制进一步提升了故障检测的精确度和响应速度。

本发明授权一种基于分层注意力机制的管道系统故障诊断方法及系统在权利要求书中公布了：1.一种基于分层注意力机制的管道系统故障诊断方法，其特征在于，包括： S10、实时获取管道系统的原始运行数据，对原始运行数据进行预处理得到增强型故障数据集，并将其分割成管线故障训练集、管线故障验证集和管线故障测试集；所述步骤S10包括： S101、利用传感器和摄像头实时采集管道系统的原始运行数据，所述原始运行数据包括管道压力变化、流量波动、温度波动及外部结构可视化图像； S102、利用傅里叶变换对原始运行数据清洗，去除噪声和异常值，得到故障诊断数据集； S103、利用数据平衡器DBE对故障诊断数据集进行数据增强，增加新的故障诊断数据样本，得到增强型故障数据集； S104、使用标注工具对增强型故障数据集中的数据进行标签标注，并以同一格式文件保存，并将其分割成管线故障训练集、管线故障验证集和管线故障测试集； S20、搭建金字塔残差卷积网络PRCN，提取增强型故障数据集的多层次空间特征，方法如下： S201、使用金字塔残差卷积网络PRCN的conv1卷积层，通过7x7大卷积核对增强型故障数据集进行特征的初步提取； S202、通过步长为2的3x3最大池化层进一步压缩数据维度以减小特征图尺寸，并降低经初步提取的特征的抽象层次；引入ReLU激活函数，进一步压缩数据维度和提高特征的抽象层次； S203、使用金字塔残差卷积网络PRCN的Conv2卷积层，Conv2卷积层按照金字塔形状配置，通过1x1和3x3小卷积核对经初步提取后的特征进行精细特征提取，卷积层之间通过瓶颈结构连接；采用特征融合技术将不同层次的特征图逐层相加融合，从细粒度到粗粒度全面捕捉增强型故障数据集的多层次空间特征；搭建三层双向长短时记忆网络TBiLSTM，提取增强型故障数据集的双向时序特征，方法如下： P201、使用三层双向长短时记忆网络TBiLSTM的第一方向的LSTM学习处理第一方向的时间序列，以获取时间序列的前向信息；使用第二方向的LSTM学习处理第二方向的时间序列，以获取时间序列的后向信息；第一方向和第二方向的方向相反； P202、三层双向长短时记忆网络TBiLSTM堆叠三层BiLSTM，每层输出作为下一层输入，学习深层次的时序特征； P203、在三层BiLSTM后加入ReLU激活函数，提高对时间序列中非线性模式的识别能力； P204、加入Dropout操作，防止过拟合现象，得到不同层次的双向时序特征； S30、基于金字塔残差卷积网络PRCN和三层双向长短时记忆网络TBiLSTM构建分层注意力网络模型CBHANet，并通过分层注意力机制优化模型，方法如下： S301、构建时间特征提取模块TT，时间特征提取模块TT由TBiLSTM和时间注意力机制TAT机制组成，利用时间注意力机制TAT对TBiLSTM提取的增强型故障数据集的双向时序特征进行加权处理得到注意力权重，识别并强调时序特征的关键信息，增强时序特征的表征能力；所述时间注意力机制TAT的计算表达式为： （1） 其中，代表查询向量矩阵，为键向量矩阵，是键向量的维度，则是值向量矩阵； S302、构建卷积块注意力模块PC，利用卷积注意力机制CA对PRCN的卷积层输出的特征图进行动态调整，通过通道和空间两个维度的注意力加权，增强空间特征的表征能力；所述步骤S302还包括以下步骤： S3021、构建包括PRCN和CBAM模块的卷积块注意力模块PC，CBAM模块包括通道注意力模块CAB和空间注意力模块SAM； S3022、利用通道注意力模块CAB识别并增强重要的通道特征，通过自适应池化和神经网络处理，得到通道注意力权值，并得到加权后的特征图： S3023、利用空间注意力模块SAM识别并增强重要的空间位置特征，通过自适应池化、卷积和Sigmoid激活，得到空间注意力权值，最终加权后的特征图； S303、将双层TT和双层PC并行，构成分层注意力网络模型CBHANet，并通过concat操作将模块TT和模块PC提取的时空特征进行拼接，输入到多层感知机MLP，MLP由多层全连接网络构成，用于综合评估时间序列和空间分析的特征；MLP使用Softmax或激活函数进行故障诊断，输出不同故障类型的概率分布； S40、利用管线故障训练集对分层注意力网络模型CBHANet进行训练，利用验证集检验每次迭代训练后的模型精度，利用测试集进行预测管线的故障类型，并计算模型精度； S50、应用训练完成的分层注意力网络模型CBHANet进行管线故障诊断。

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国能北电胜利能源有限公司，其通讯地址为：026000 内蒙古自治区锡林郭勒盟锡林浩特市胜利煤矿；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”。