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！

龙图腾网获悉西安理工大学申请的专利基于快速谱峭度与时间序列大模型的设备早期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：CN120123875B 。

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：202510229245.X，技术领域涉及：G06F18/2415；该发明授权基于快速谱峭度与时间序列大模型的设备早期故障检测方法是由上官安琪;李向馨;费蓉;冯楠;金永泽;李前;邱原;黑新宏设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于快速谱峭度与时间序列大模型的设备早期故障检测方法在说明书摘要公布了：本发明公开了基于快速谱峭度与时间序列大模型的设备早期故障检测方法，首先选定需要进行故障检测的设备，在设备运作时，由传感器记录设备关键部件的实时运行信号F；然后将信号F划分为N段，并通过优化目标函数ξ进一步划分F为ND个子信号，规范化子信号均值为设定值μ，从而得到F的规范化信号FN；分解信号FN至不同的频带，选取使得LSESGASG值最大的频段进行滤波，得到信号FN的滤波信号FNF；最后随机分割FNF为K个子信号并进行数据增强，输出故障检测结果本发明有助于识别设备早期故障，为设备智能运维与健康管理提供理论支持与决策基础。

本发明授权基于快速谱峭度与时间序列大模型的设备早期故障检测方法在权利要求书中公布了：1.基于快速谱峭度与时间序列大模型的设备早期故障检测方法，其特征在于，具体按照以下步骤实施： 步骤1、选定需要进行故障检测的设备，在设备运作时，由传感器记录设备关键部件的实时运行信号； 步骤2、将信号划分为段，并通过优化目标函数进一步划分为个子信号，规范化子信号均值为设定值，从而得到的规范化信号； 步骤3、分解信号至不同的频带，选取使得LSESGASG值最大的频段进行滤波，得到信号的滤波信号； 所述步骤3具体按照以下步骤实施： 步骤3.1、由步骤2得到信号的规范化信号，构造两个准解析低通和高通分析滤波器和，对进行多级分解，设表示第层中由第个滤波器过滤的频段信号； 步骤3.2、对信号进行希尔伯特变换，得到的解析信号： 4 其中，为虚数单位，是的希尔伯特变换； 步骤3.3、根据步骤3.2得到的解析信号，计算的包络： 5 步骤3.4、根据步骤3.3得到的包络，计算的对数平方包络： 6 其中，为一个很小的常数值，用于避免对数函数中出现零值； 步骤3.5、根据步骤3.4得到的对数平方包络，计算的对数平方包络谱基尼系数： 7 其中，向量为的升序序列，为的信号量； 步骤3.6、设定快速傅里叶变换时的点数，大于等于信号长度，且为2的幂次方： 8 其中，表示快速傅里叶变换； 步骤3.7、对信号进行快速傅里叶变换，得到频域信号： 9 步骤3.8、计算频域信号的归一化幅度谱： 10 步骤3.9、根据步骤3.8得到的归一化幅度谱，计算信号的频谱Gini系数： 11 其中，向量为的升序序列； 步骤3.10、由步骤3.5与步骤3.9得到频段信号的对数平方包络谱基尼系数与频谱基尼系数，计算与的综合指标： 12 其中，反映了信号包络的稀疏性特征，利用频域信息提取信号的时频特征； 步骤3.11、选取使得最大的频段信号，得到对应层数以及中心频率，滤波得到信号，从而得到的滤波信号； 步骤4、随机分割为个子信号并进行数据增强，输出故障检测结果； 所述步骤4具体按照以下步骤实施： 步骤4.1、随机分割为个子信号并进行数据增强，生成包括个子信号与其正负信号在内的信号集； 步骤4.2、压缩为低维编码器嵌入； 步骤4.3、将编码器嵌入转换为文本嵌入； 步骤4.4、构建软提示作为信号的引导信息，辅助大模型进行故障检测； 步骤4.5、选定BERT作为故障检测模型； 步骤4.6、定义损失函数以优化模型性能。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。