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！

龙图腾网获悉徐州巨云机电科技有限公司申请的专利一种基于电机噪音的故障预测方法及系统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：CN120319267B 。

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：202510421175.8，技术领域涉及：G10L25/51；该发明授权一种基于电机噪音的故障预测方法及系统是由李效昆;晏腾;许猛设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种基于电机噪音的故障预测方法及系统在说明书摘要公布了：本发明公开了一种基于电机噪音的故障预测方法及系统，包括：步骤1：定义采样时长，获取采样时长内的噪音，并进行分帧操作生成噪音帧序列；步骤2：提取噪音帧序列当中的每一帧噪音的频谱特征数据，生成噪音特征序列；步骤3：将噪音特征序列输入自注意力神经网络模型，自注意力神经网络模型输出噪音表征序列；步骤4：获取电机标准故障噪声的样本组成的集合，生成每个样本的特征向量，并与噪音表征序列进行交叉注意力机制计算，生成每个样本对应故障的判定表征；步骤5：将每个样本对应故障的判定表征输入前馈神经网络模型，生成每种故障的判定概率，实现了对电机的工作状态的准确判定，并在不增加计算量的情况下，对多种故障类型进行同时判定。

本发明授权一种基于电机噪音的故障预测方法及系统在权利要求书中公布了：1.一种基于电机噪音的故障预测方法，其特征在于，所述方法包括： 步骤1：定义采样时长，获取采样时长内的噪音，并每隔50毫秒划分为一帧，且帧与帧之间有15毫秒时长的重叠，生成噪音帧序列； 步骤2：提取噪音帧序列当中的每一帧噪音的频谱特征数据，生成每一帧噪音的特征向量，并将每一帧噪音的特征向量进行线性投影后，按照噪音帧序列的时序进行排列，生成噪音特征序列； 步骤3：将噪音特征序列输入自注意力神经网络模型，自注意力神经网络模型输出噪音表征序列； 步骤4：获取电机标准故障噪声的样本组成的集合，提取集合当中每个样本的频谱特征数据，生成每个样本的特征向量，并将每个样本的特征向量进行线性投影后，与噪音表征序列进行交叉注意力机制计算，生成每个样本对应故障的判定表征；具体包括以下步骤： 步骤4.1：获取电机标准故障噪声的样本组成的集合，依次计算集合当中每个样本的分贝、梅尔频率倒谱系数、线性预测编码系数、频谱质心、频谱带宽、频谱滚降和过零率，将计算结果排列，生成每个样本的特征向量； 步骤4.2：利用第一投影矩阵，将每个样本的特征向量进行线性投影，生成每个样本的高维特征向量，利用查询投影矩阵将每个样本的高维特征向量进行线性投影，生成查询集合； 步骤4.3：利用键投影矩阵和值投影矩阵将噪音表征序列当中的每个表征向量进行线性投影，并将线性投影后的表征向量按照噪音表征序列的时序进行排列，生成第二键序列和第二值序列； 步骤4.4：依次计算查询集合当中的每个高维特征向量与第二键序列当中所有时序位置的表征向量之间的注意力得分，并将所有注意力得分进行归一化，生成每个样本的注意力权重向量； 步骤4.5：根据每个样本的注意力权重向量，分别对第二值序列当中所有时序位置的表征向量进行加权求和，并将所有求和结果按照查询序列的时序进行排列，生成每个样本对应故障的判定表征； 步骤5：将每个样本对应故障的判定表征输入前馈神经网络模型，将前馈神经网络模型的输出作为激活函数的输入，生成每种故障的判定概率。

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徐州巨云机电科技有限公司，其通讯地址为：221700 江苏省徐州市丰县经济开发区高新园区4号厂房3楼；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。