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！

龙图腾网获悉浙江工业大学申请的专利一种基于图同构自编码器的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：CN117312938B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202311096857.3，技术领域涉及：G06F18/241；该发明授权一种基于图同构自编码器的故障诊断方法是由刘毅;江知力;贾明伟设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种基于图同构自编码器的故障诊断方法在说明书摘要公布了：一种基于图同构自编码器的故障诊断方法，所述方法包括以下步骤：1数据的获取和整合：使用TE仿真过程的故障信息数据，并对数据进行收集、划分和处理；2建模训练：构建GIAE故障诊断模型，利用GIAE模型对所整合的数据进行学习训练；3模型预测和对比：将训练后的GIAE模型用于故障预测，给出预测准确率，并验证GIAE性能的优越性。本发明方法利用大量数据引导编码器挖掘样本具有判别性的本征信息，并引导模型将本征信息映射到故障类别空间；此外，GIAE使用变量重要度和分数向量来量化变量和变量关系对样本类别的贡献度，更好地反映工业过程不同故障下的细微差异，有效提高故障的预测效果，具有普遍性和通用性。

本发明授权一种基于图同构自编码器的故障诊断方法在权利要求书中公布了：1.一种基于图同构自编码器的故障诊断方法，其特征在于，包括以下步骤： 1数据的获取和处理 使用田纳西伊士曼TE仿真过程的故障信息数据，并对数据进行收集、划分和处理； 2建模训练 构建基于图同构自编码器GIAE的故障诊断模型，模型的输入为经过选择保留的数据；利用GIAE模型对所整合的数据进行学习训练；步骤2的具体过程如下： 步骤2.1、GIAE模型的带分数拓扑图构建 步骤2.1.1、选择矢量作为分数，使用多头注意力机制MAM来自适应地学习分数向量；定义过程数据为： 其中K表示样本数，V表示变量数，T表示时间步数；对于第i个样本MAM两两组合变量并计算变量xii→xij的分数向量其中h为头数；MAM计算sii→ij的过程如下： 式中，g·表示非线性映射函数，用于将xii从映射到其中F表示映射维度； 步骤2.1.2、第i个样本的V×V个分数向量sii→ij构成分数矩阵 步骤2.1.3、使用来表示Xi的带分数拓扑图，其中为哈达玛积，表示元素相乘操作； 步骤2.2、GIAE模型的图同构嵌入编码器建模 步骤2.2.1、图同构嵌入编码器，具体实现步骤如下： 1将分数向量sij→ii从映射到 2为变量xii添加自环，即与变量xii对应的节点上增加一条指向自身的边，从而保证变量自身的影响； 3使用激活和更新函数进行聚合xii、xij和sij→ii得到新的特征表示；图同构嵌入编码器的公式如下： 式中，表示第l层GIAE中变量xii的嵌入表示，g·表示非线性映射函数，图同构嵌入编码器采用与MAM相同结构的g·，ε表示一个可训练参数，用于为xii添加具有权重的自环，Ωi表示xii在拓扑图中的邻接变量集合，表示可训练线性映射矩阵，用于改变sij→ii的维度，WX用于将Xi从映射到 步骤2.2.2、采用图同构嵌入编码器和包含双层全连接层的映射头来构成编码器f·；θ，使用映射头将嵌入映射到另一个潜在空间的方式以提高性能，其中θ表示编码器参数；因此变量xii的编码器输出嵌入为： 步骤2.2.3、在编码器后连接分类头，用于将嵌入输出zii映射到可用标签Yi，计算公式为： Yi＝hzii5 式中，h·表示非线性映射函数； 步骤2.3、GIAE模型的损失建立与训练 通过将zii与Yi做交叉熵损失，以减少损失为目的重复训练，计算公式为： 式中，p·和q·表示概率分布； 3模型预测和对比 将训练后的GIAE模型用于故障预测，给出预测准确率，并验证GIAE性能的优越性。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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”。