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！

龙图腾网获悉重庆大学申请的专利一种融合多传感器网络的深度图卷积神经网络的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：CN115659132B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211281588.3，技术领域涉及：G06F18/00；该发明授权一种融合多传感器网络的深度图卷积神经网络的诊断方法是由尹爱军;龙振东;周俊林设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种融合多传感器网络的深度图卷积神经网络的诊断方法在说明书摘要公布了：本发明公开一种融合多传感器网络的深度图卷积神经网络的诊断方法，包括以下步骤：1在旋转机械上布置多传感器网络，并利用多传感器网络监测旋转机械原始振动数据；2对旋转机械原始振动数据进行小波包分解和重构，得到小波系数序列；3以小波系数作为节点，以传感器之间的信号关系作为节点的边，构建由小波包系数矩阵定义的带权图；3构建GCN模型；4将带权图输入到GCN模型中，完成旋转机械故障诊断。本发明利用多传感器监测振动信号，全面对旋转机械系统健康状态监测，提高设备故障诊断准确度，减少模型诊断时间，保障设备运行安全。

本发明授权一种融合多传感器网络的深度图卷积神经网络的诊断方法在权利要求书中公布了：1.一种融合多传感器网络的深度图卷积神经网络的诊断方法，其特征在于，包括以下步骤： 1在旋转机械上布置多传感器网络，并利用多传感器网络监测旋转机械原始振动数据； 2对旋转机械原始振动数据进行小波包分解和重构，得到小波系数序列； 3以小波系数作为节点，构建由小波包系数矩阵定义的带权图； 3构建GCN模型； 4将带权图输入到GCN模型中，完成旋转机械故障诊断； 对旋转机械原始振动数据进行小波包分解的公式如下： 式中，φ·和·，·分别表示φ·对应的缩放函数、小波函数和内积操作；hk、gk表示旋转机械原始振动数据小波包分解后的分量；t、k为整数； 小波系数序列如下所示： 式中，W0,0表示原离散信号的一段，长度为N，{Wi,j,k＝1,2,…,N2i}表示第i个小波包分解层上第j个频带的小波包系数序列，{Wi+1,2jτ,τ＝1,2,…,N2i+1}表示i+1小波包分解层上2j频带的小波包系数序列；j的取值范围为[0，2i-1]；N为旋转机械原始振动数据的长度； 所述由小波包系数矩阵定义的带权图记为G＝{V,A,E,F}，V＝{Vi}表示节点集；A为邻接矩阵，用于表征边的连接；E表示边集；F表示属性矩阵。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。