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！

龙图腾网获悉长春职业技术大学申请的专利一种基于深度神经网络的机电点检设备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：CN120724218B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511178970.5，技术领域涉及：G06F18/24；该发明授权一种基于深度神经网络的机电点检设备故障诊断方法是由马骏设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于深度神经网络的机电点检设备故障诊断方法在说明书摘要公布了：本发明属于一种基于深度神经网络的机电点检设备故障诊断技术领域，公开了一种基于深度神经网络的机电点检设备故障诊断方法，该方法包括：采集多时间段多模态信号数据并附时间戳，结合运维记录建立故障标记的训练样本；按时间戳划分等长窗口，统计样本数构建时间密度函数；预训练时引入时间密度函数作为正则因子，在特征嵌入层调整样本权重，压缩高密度时段样本权重、增强低密度时段样本权重；基于训练样本和时间分布正则化嵌入，使用多任务损失函数监督训练，动态调整时间正则化系数的预训练网络；获取待诊断数据预处理后输入预训练网络，预测设备故障类型。本发明提升了模型跨时间周期的稳定性与鲁棒性。

本发明授权一种基于深度神经网络的机电点检设备故障诊断方法在权利要求书中公布了：1.一种基于深度神经网络的机电点检设备故障诊断方法，其特征在于，包括以下步骤： 步骤S101，采集机电设备在多时间段运行过程中的多模态信号数据，每条样本数据均带有时间戳信息，结合运维记录建立对应的故障标记，得到训练样本数据； 步骤S102，将所述训练样本数据按时间戳划分为等长时间窗口，统计各窗口内样本数量，构建时间密度函数，用于反映样本在时间轴上的分布密度； 步骤S103，在深度神经网络预训练期间进行时间分布正则化嵌入，具体为，引入所述时间密度函数作为时间正则因子，在特征嵌入层中作用于样本权重调整过程，对第一密度时间段的样本施加惩罚性权重压缩，对第二密度时间段的样本增强其在训练过程中的表示权重，其中第一密度大于第二密度； 步骤S104，基于训练样本数据和所述时间分布正则化嵌入，采用多任务损失函数对故障类别进行监督训练，训练过程中动态调整时间正则化系数，得到预训练的深度神经网络； 步骤S105，获取待诊断机电设备点检多模态信号数据，将所述点检多模态信号数据预处理后输入所述预训练的深度神经网络中，通过所述深度神经网络预测机电设备故障类型。

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长春职业技术大学，其通讯地址为：130033 吉林省长春市南关区卫星路3278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。