Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东北大学;东北大学佛山研究生创新学院张永超获国家专利权

东北大学;东北大学佛山研究生创新学院张永超获国家专利权

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!

龙图腾网获悉东北大学;东北大学佛山研究生创新学院申请的专利一种齿轮多传感器协同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:CN119337311B

龙图腾网通过国家知识产权局官网在2025-09-19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:202411430443.4,技术领域涉及:G06F18/25;该发明授权一种齿轮多传感器协同故障诊断方法是由张永超;于天壮;丁进良;任朝晖;马辉;姜泽宇;周鑫设计研发完成,并于2024-10-14向国家知识产权局提交的专利申请。

一种齿轮多传感器协同故障诊断方法在说明书摘要公布了:本发明提供一种齿轮多传感器协同故障诊断方法,包括:融合齿轮监控平台传感器的数据,强调时间序列数据中不同时刻点之间的相互关系和时间相关性,生成多维距离矩阵图像;构建多尺度自适应特征融合卷积神经网络诊断模型,利用多尺度特征和金字塔特征准确识别齿轮故障。在诊断模型中,设计多尺度自适应特征融合卷积神经网络,输入多维距离矩阵图像,实现故障诊断;构建新的卷积块,卷积块中两个不同大小的大尺寸深度可分离卷积,获取空间信息,其注意力分支沿两个方向聚合位置信息;构造自适应融合模块自适应融合金字塔特征,引入高效注意力和跨空间学习,根据不同阶段特征各自的重要性生成可学习的权重,综合利用深层和浅层信息诊断齿轮故障。

本发明授权一种齿轮多传感器协同故障诊断方法在权利要求书中公布了:1.一种齿轮多传感器协同故障诊断方法,其特征在于,包括: S1、融合齿轮监控平台的不同传感器的数据,并强调时间序列数据中不同时刻点之间的相互关系和时间相关性,生成多维距离矩阵图像,具体包括: S11、在多维距离矩阵的数据融合过程中,设A=[a 1,a 2,...,a n],B=[b 1,b 2,...,b n],C=[c 1,c 2,...,c n]为三组长度为n的时间序列数据; S12、将三组长度为n的时间序列数据与时间戳t合并,得到X=[a 1,b 1,c 1,1,a 2,b 2,c 2,2,...,a n,b n,c n,n];将X编码为二维矩阵M,M中的每个元素记为: 上式中,x i和x j分别代表a i, b i, c i, i和a j, b j, c j, j,由多维标准欧式距离矩阵得到,如下: 上式是一个多维标准欧氏距离求解的过程,上式计算了不同来源的原始时序数据中任意两个时刻点之间的相互关系,除以标准偏差的目的是消除不同尺度的影响;式中,,,,分别是A,B,C,t的标准差; S13、将M变为反对称矩阵Mam并映射到[0,255]的范围内,得到多维距离矩阵MDM的图像,如下: ; S2、构建多尺度自适应特征融合卷积神经网络诊断模型,利用多尺度特征和金字塔特征实现准确的齿轮故障识别,构建的多尺度自适应特征融合卷积神经网络诊断模型包括新的卷积块和自适应特征融合模块,具体包括: S21、构建新的卷积块,用于提取图像中多尺度的信息,注意力分支在两个方向上聚合图像的位置信息; S22、构建自适应特征融合模块,综合利用不同阶段的金字塔特征进行分类任务。

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东北大学;东北大学佛山研究生创新学院,其通讯地址为:110819 辽宁省沈阳市和平区文化路三巷11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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。