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！

龙图腾网获悉北京中元瑞讯科技有限公司申请的专利一种基于自适应多通道图神经网络的调相机内旋转部件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：CN120354211B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510837139.X，技术领域涉及：G06F18/241；该发明授权一种基于自适应多通道图神经网络的调相机内旋转部件故障诊断方法是由丁凯;刘定伟;刘艺;冀锐龙;任强;李震;韩栋;李春华;王振鑫;李学艺设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于自适应多通道图神经网络的调相机内旋转部件故障诊断方法在说明书摘要公布了：一种基于自适应多通道图神经网络的调相机内旋转部件故障诊断方法，它属于工业设备故障诊断技术领域。本发明解决了传统方法在实际信号的真实分布与训练样本的分布存在偏差时故障诊断精度低，以及训练时间长、训练成本高的问题。本发明对调相机旋转部件的振动信号进行采集和预处理，再将预处理后的振动信号片段输入构建的特征空间与拓扑空间双通道图卷积网络结构，双通道图卷积网络结构分别建模信号的局部特征和全局拓扑关系，可以全面提取信号的局部和全局信息，并引入边缘增强注意力机制及自适应模块融合策略对不同模块的特征贡献进行加权分配，再将加权融合后的特征输入分类器实现故障诊断。本发明方法可以应用于调相机故障诊断。

本发明授权一种基于自适应多通道图神经网络的调相机内旋转部件故障诊断方法在权利要求书中公布了：1.一种基于自适应多通道图神经网络的调相机内旋转部件故障诊断方法，其特征在于，所述方法具体包括以下步骤： 步骤一、采集调相机内旋转部件的振动信号，再对采集的振动信号进行预处理，得到预处理后的各个信号片段； 步骤二、基于特征空间图卷积网络提取预处理后各个信号片段的局部特征，基于拓扑空间图卷积网络提取预处理后各个信号片段的全局拓扑特征； 所述基于特征空间图卷积网络提取预处理后各个信号片段的局部特征，具体过程为： 步骤S1、根据预处理后的各个信号片段生成特征图，具体为： 步骤S11、将预处理后的各个信号片段分别作为特征图中的一个节点，将每个节点对应的信号片段分别作为特征矩阵的一行，全部节点对应的信号片段组成特征矩阵； 步骤S12、计算第个节点对应的信号片段与第个节点对应的信号片段的W距离，再将第个节点对应的信号片段与第个节点对应的信号片段的W距离作为相似度矩阵中第行第列的元素； 同理，分别计算第个节点对应的信号片段与每个节点对应的信号片段的W距离，得到相似度矩阵； 步骤S13、对相似度矩阵的第行中的元素按照由小到大进行排序，将相似度矩阵第行中的前K个小的元素值赋值为1，将第行中的其它元素均赋值为0； 同理，对相似度矩阵中的每行分别进行处理后，得到邻接矩阵； 步骤S2、将特征图作为特征空间图卷积网络的输入，通过特征空间图卷积网络输出预处理后各个信号片段的局部特征；具体为： 步骤S21、初始化； 步骤S22、初始化层数； 步骤S23、计算第层输出的节点特征矩阵： 其中，表示特征空间图卷积网络第层的权重矩阵； 表示加上自连接的邻接矩阵，=，表示单位矩阵； 表示特征图的度矩阵； 表示激活函数； 步骤S24、判断是否满足，表示总层数； 若满足，则将作为提取出的最终局部特征； 若不满足，则令，返回执行步骤S23； 所述基于拓扑空间图卷积网络提取预处理后各个信号片段的全局拓扑特征，具体过程为： 步骤B1、根据预处理后的各个信号片段生成特征图，具体为： 步骤B11、将预处理后的各个信号片段分别作为特征图中的一个节点，将每个节点对应的信号片段分别作为特征矩阵的一行，全部节点对应的信号片段组成特征矩阵； 步骤B12、基于节点的标签信息对邻接矩阵进行优化： 其中，表示第个节点的标签； 表示第个节点的标签； 表示强化系数，； 表示优化后的邻接矩阵； 表示邻接矩阵中第行第列的元素； [0,1]表示衰减系数； 步骤B2、将特征图作为拓扑空间图卷积网络的输入，通过拓扑空间图卷积网络输出预处理后各个信号片段的全局拓扑特征；具体为： 步骤B21、初始化，初始化； 步骤B22、初始化层数； 步骤B23、计算节点特征矩阵： 其中，表示拓扑空间图卷积网络第层的权重矩阵； 表示特征图的度矩阵； 步骤B24、对节点特征矩阵进行更新，得到更新后的节点特征矩阵；对邻接矩阵进行更新得到更新后的邻接矩阵； 所述步骤B24的具体过程为： 步骤B241、计算第个节点与第个节点的注意力权重： 其中，表示激活函数； 为用于注意力计算的向量； 上角标T表示转置； 表示权重矩阵； 表示节点特征矩阵中第个节点的特征； 表示节点特征矩阵中第个节点的特征； “||”表示特征拼接操作； 表示第个节点与第个节点之间的边特征； 表示第个节点的邻居节点集合； 表示第个节点的第个邻居节点； 表示第个节点与第个节点之间的边特征； 表示节点特征矩阵中第个节点的特征； 步骤B242、根据注意力权重更新节点特征： 其中，表示更新后第个节点的特征； 表示非线性激活函数； 表示第个节点与第个节点的注意力权重； 步骤B243、更新后全部节点的特征组成节点特征矩阵； 步骤B244、对邻接矩阵进行更新： 其中，表示中第行第列的元素；表示更新后的邻接矩阵中第行第列的元素，根据得到更新后的邻接矩阵； 步骤B25、判断是否满足，表示总层数； 若满足，则将作为提取出的最终全局拓扑特征； 若不满足，则令，返回执行步骤B23； 步骤三、对预处理后各个信号片段的局部特征和全局拓扑特征进行加权融合，得到融合后的故障特征； 步骤四、将融合后的故障特征输入至分类器中，通过分类器输出调相机的故障诊断结果。

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北京中元瑞讯科技有限公司，其通讯地址为：100085 北京市海淀区创业路8号5号楼5层5-7；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。