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多模态信息融合的托辊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：CN119262733B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411312644.4，技术领域涉及：B65G43/02；该发明授权一种多模态信息融合的托辊故障诊断方法是由屈剑锋;钟溪林;陈鹏宇设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种多模态信息融合的托辊故障诊断方法在说明书摘要公布了：本发明专利公开了一种多模态信息融合的托辊故障诊断方法，具体涉及托辊故障诊断领域。步骤如下：采集托辊的多种模态信号数据，对原始一维信号数据进行预处理；使用分类聚合近似简化各个信号的一维时序数据；将各个信号利用马尔可夫场转换为二维特征图像并合成为三通道图像；建立基于SwinTransformer网络架构的托辊故障诊断模型；对SwinTransformer网络架构进行训练、验证，如果网络达到最优效果则进行下一步，否则返回上一步，并修改初始参数继续训练；将测试集输入到最优的SwinTransformer网络架构中进行托辊故障诊断，最终获得托辊故障分类结果。采用本发明技术方案解决了现有的托辊故障诊断基于单一模态信息，存在着信息不足和不准确的问题，为后续实施控制与维护奠定了基础。

本发明授权一种多模态信息融合的托辊故障诊断方法在权利要求书中公布了：1.一种多模态信息融合的托辊故障诊断方法，其特征在于：包括如下步骤： S1、采集托辊运行过程中的多种模态信号数据，并对采集到的原始一维信号数据进行预处理； S2、使用分类聚合近似简化各个信号的一维时序数据； S3、将聚合处理后的各个信号分别利用马尔可夫场转换为二维特征图像； S4、将所有信号的二维特征图像合成为三通道图像，并按6:3:1划分训练集、验证集和测试集； S5、建立基于SwinTransformer网络架构的托辊故障诊断模型，并初始化参数； S6、基于训练集和验证集对SwinTransformer网络架构进行训练、验证，利用优化算法对网络参数进行优化，如果网络达到最优效果则进行步骤S7，否则进行步骤S5，并修改初始参数继续训练并保存最佳权重； S7、将测试集输入到步骤S6中最优的SwinTransformer网络架构中进行托辊故障诊断，最终获得托辊故障分类结果及测试准确率； 步骤S3中所使用马尔可夫场是马尔可夫随机场的特例，前提是假设随机场中某一个位置的值仅与和它相邻的位置的值有关，计算方法如下： 将时序序列依据取值范围划分为个分位数单元，用分位数量化时间序列的每一个值，将每个值映射到相应的分位数,定义矩阵，其中，表示在单元j中的信号点被在单元i中的元素跟随的概率，即沿时间步长以第一马尔可夫链方式计算迁移概率： 矩阵即为马尔可夫状态转移矩阵，马尔可夫场将每个迁移概率沿时间顺序排列拓展马尔可夫状态转移矩阵，迁移概率矩阵，其中为单元i中的元素迁移到单元j中的概率： 矩阵即为马尔可夫场特征图： ； 步骤S4中将每组时间序列数据经空间维度数据融合，即将编码形成的单通道马尔可夫场特征图在深度维度上进行叠加得到多通道马尔可夫场特征图，并按6:3:1划分训练集、验证集和测试集。

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”。

以上内容由龙图腾AI智能生成。