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！

龙图腾网获悉西安交通大学申请的专利基于Kolmogorov-Arnold网络的机械装备轻量化智能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：CN119469698B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411461472.7，技术领域涉及：G01M13/00；该发明授权基于Kolmogorov-Arnold网络的机械装备轻量化智能故障诊断方法是由李响;王家辉;雷亚国;李乃鹏;杨彬;冯珂;曹军义;武通海设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本基于Kolmogorov-Arnold网络的机械装备轻量化智能故障诊断方法在说明书摘要公布了：一种基于Kolmogorov‑Arnold网络的机械装备轻量化智能故障诊断方法，先获取机械设备不同故障类型下的原始振动监测数据，构建设备振动监测故障数据集；再构建基于KAN的故障诊断模型，采用可学习的非线性函数来代替卷积中的固定线性权重；然后通过KAN卷积操作将输出特转换为一维特征向量；再将一维特征向量输入到KANLinear层中，以实现高维特征向不同故障类型的映射；然后计算训练损失，将总损失作为训练阶段的优化目标，使用梯度下降法更新模型参数；对故障诊断模型迭代优化；最后使用测试集对故障诊断模型进行测试；本发明不仅能够在保持高诊断精度的同时，显著减少模型参数量，降低计算成本，从而提升整体计算效率。

本发明授权基于Kolmogorov-Arnold网络的机械装备轻量化智能故障诊断方法在权利要求书中公布了：1.一种基于Kolmogorov-Arnold网络的机械装备轻量化智能故障诊断方法，其特征在于，包括以下步骤： 步骤1：获取机械设备不同故障类型下的原始振动监测数据； 步骤2：构建设备振动监测故障数据集O＝{O1,O2,…Om,…On}，表示共有n种不同的故障类型，其中Om＝Tm,Em，即每一种故障类型包含训练集数据Tm和测试集数据Em，其中表示训练集包含NT条样本；表示训练集包含NE条样本，样本长度均为L； 步骤3：构建基于KAN的故障诊断模型，建立KAN卷积层，对步骤2中获得的训练集数据Tm进行特征提取，采用可学习的非线性函数来代替卷积中的固定线性权重； 卷积过程为卷积窗口在样本SL上滑动，窗口内的输入数据首先经过B样条函数的非线性变换，随后通过样条基函数的加权组合来提取特征，最终得到KAN卷积的输出结果；其中，卷积核KM＝[φ1φ2…φM]T表示卷积核尺寸为M,SL＝[a1a2…aL]T表示单个样本长度为L；在样本某一位置i处的卷积结果为每个样本SL经过一层KAN卷积后，输出为Oconv＝[b1b2…bk…bN]T，其中bk＝[c1c2…cl]，共有N个卷积核，卷积后的输出长度为l＝L-N+1； 步骤4：将步骤3中通过KAN卷积操作得到的输出特征Oconv进行展平处理，将其转换为一维特征向量Oin＝[d1d2…dFL]，其中dFL＝N×l； 步骤5：建立KANLinear层，将步骤4中获取的一维特征向量Oin输入到KANLinear层中，以实现高维特征向不同故障类型的映射；输出部分由基础线性层输出BaseOutput和B样条输出SplineOutput共同组成； 步骤6：计算训练损失，损失包含交叉熵损失和正则化损失； 步骤7：将步骤6中得到的总损失Lreg作为训练阶段的优化目标，使用梯度下降法更新模型参数η： 式中，α表示学习率； 步骤8：重复步骤3-步骤7，对故障诊断模型不断迭代优化，直至达到最大迭代次数； 步骤9：使用步骤2中划分的测试集Em，通过准确率、精确率、召回率、F1-score指标对故障诊断模型进行测试。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。