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！

龙图腾网获悉大连理工大学申请的专利基于交叉注意力机制的残差神经网络轴承故障检测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：CN116296392B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310018886.1，技术领域涉及：G01M13/045；该发明授权基于交叉注意力机制的残差神经网络轴承故障检测方法是由周勇;杨志文设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于交叉注意力机制的残差神经网络轴承故障检测方法在说明书摘要公布了：本发明属于故障检测领域，涉及基于交叉注意力机制的残差神经网络轴承故障检测方法。所述的故障检测方法步骤如下：第一步，进行输入数据预处理；第二步，对数据进行特征提取；第三步，进行数据特征融合；第四步，进行数据缺陷检测；第五步，将处理好的数据输入网络，得到对应的故障检测类别和检测结果。本发明对轴承故障数据的适用范围更广、准确率更高，能够有效提升复杂环境下轴承故障检测的准确率和速度，通过交叉注意力机制，可以更好地提取到数据特征。

本发明授权基于交叉注意力机制的残差神经网络轴承故障检测方法在权利要求书中公布了：1.基于交叉注意力机制的残差神经网络轴承故障检测方法，其特征在于，步骤如下： 第一步，进行输入数据预处理； 1.1准备轴承相关时序数据集； 1.2进行数据处理 提出了一种多模态数据增强方法进行数据处理，使用快速傅里叶变换将原始的轴承时序数据转换为轴承频域数据和轴承时频域数据，具体公式如下，其中Xω为时序信号xt的连续频谱，xt为实际控制系统中得到的信号； 该方法将轴承时序数据和经快速傅里叶变换得到的轴承频域数据进一步处理，加工成时频域数据，通过matplotlib.pyplot.Specgram函数实现，横轴为时间，纵轴为频率，使用窗口为汉宁窗，并允许在返回的频率值上进行积分，经处理后，得到的轴承时频域数据尺寸为640*480，对数据进行去白边操作后，最终数据尺寸为480*480；同时对时序数据进行正则化，其中x表示输入数据，x～表示输出数据，xmin表示样本中数据最小值，xmax表示样本中数据最大值； x～＝x-xminxmax-xmin 1.3进行数据划分，按照实际任务所需及要求以偶数个数据作为一个样本点； 第二步，对数据进行特征提取 2.1训练不同模态轴承数据特征提取粗选网络； 以ResNet18作为轴承数据特征提取粗选网络； 2.2训练不同模态轴承数据特征提取细选网络；以SENet作为轴承数据特征提取细选网络，用于对轴承数据特征提取粗选网络获得的特征数据进行进一步提取； 第三步，进行数据特征融合 对于经特征提取模块获得的时序特征数据、频域特征数据和时频域特征数据，将其两个一对输入交叉注意力机制中，获得来自每个模态的数据特征权重，其中AvgPool表示平均池化操作，MaxPool表示最大池化操作 McF＝σMLPAvgPoolF+MLPMaxPoolF 对于经交叉注意力机制后生成的特征图，对其按通道拼接以便于后续的缺陷检测模块使用；同时对生成的特征图进行尺寸修正，使其符合具体任务要求，并拼接起来，得到最终的特征图； 第四步，进行数据缺陷检测 对于经特征融合模块输出的特征图，添加了四层全连接层对提取到的数据特征进行非线性变换，判别轴承是否发生故障及故障发生的类别，每个全连接层节点个数分别为12248、2048、512、128，在网络训练过程中，使用Cross-Entropy损失函数计算分类类别的损失值和差值；具体公式为：其中y和y～是神经网络输出的故障类别和实际的故障类别； 同时对整体网络结构进行参数调整，根据实际任务要求的故障分类类别总数，对全连接层的参数进行调整； 第五步，将处理好的数据输入网络； 将划分好的数据输入网络，得到对应的故障检测类别和检测结果。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。