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数据融合和多通道卷积网络的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：CN114781580B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202111492960.0，技术领域涉及：G06F18/21；该发明授权基于数据融合和多通道卷积网络的故障诊断方法是由谢国;王博;穆凌霞;李艳恺;冯楠;黑新宏;刘涵;杨延西;金永泽;李思雨设计研发完成，并于2021-12-08向国家知识产权局提交的专利申请。

本基于数据融合和多通道卷积网络的故障诊断方法在说明书摘要公布了：本发明公开了一种基于数据融合和多通道卷积网络的故障诊断方法，首先输入轴承加速度的多源同质传感器数据，通过克里斯插值法，将缺失数据补全，之后计算各数据的贡献率，通过贡献率来将这些数据信号进行融合；然后对融合后的数据进行归一化处理，输入到多通道卷积网络中，输出故障初步分类决策；最后对多通道卷积网络的输出进行加权处理，从而得到最终决策。本发明利用多通道卷积网络对数据特征趋势有着很好的提取效果，并且解决了现有技术中存在的传统故障诊断方法对于多源数据使用不当的问题。

本发明授权基于数据融合和多通道卷积网络的故障诊断方法在权利要求书中公布了：1.基于数据融合和多通道卷积网络的故障诊断方法，其特征在于，具体按照以下步骤实施： 步骤1、输入轴承加速度的多源同质传感器数据，通过克里斯插值法，将缺失数据补全，之后计算各数据的贡献率，通过贡献率来将这些数据信号进行融合； 所述步骤1具体如下： 步骤1.1、首先对输入的轴承加速度的多源同质传感器数据进行滤波处理，先对获取的多源同质数据进行高斯滤波处理，得到高斯滤波处理后的多源同质数据； 步骤1.2、采用空间插值法中的克里斯插值法，将不同传感器获得的数据进行数据补全处理，获得多组维度相同的同质数据，通过式1计算未知数据点的估计值： 1 其中，为未知样本点的属性估计值，为所有样本点的均值，为已知样本点的属性值，N为已知样本点在未知样本点附近5个单位点的个数；表示第个数据点； 步骤1.3、通过步骤1.2得到补全的多源数据计算贡献率，具体方法如下： 首先计算数据信号之间的相关性，如公式2： 2 其中，表示第个信号与第个信号之间的相关性，表示信号中的第个数据点，表示所选数据点，表示信号中的数据点的数量； 然后，对得到信号相关性进行定量计算如公式3： 3 其中，为信号的相关度，为总的信号数量，表示第个信号，将相关度进行重要性分析，如公式4所示： 4 其中，为信号的信息冗余度，通过计算重要性分析，获取信号信息量的表示，计算重要性分析后的相关度表示的均值与方差，利用均值与方差来计算各个信号的贡献率如公式5： 5 其中，表示第个信号贡献率，为重要性分析表示，为重要性分析表示均值，为重要性分析表示方差，归一化方式如公式6所示： 6 其中，为归一化后信号的数据点的贡献率，之后将每个信号的数据点按照时间序列与权重相乘的方式，如公式7所示： 7 其中，为数据点融合后的信号值，对应点线性相加就可以得到经过数据级融合后的信号； 步骤2、对融合后的数据进行归一化处理，输入到多通道卷积网络中，输出故障初步分类决策； 步骤2.1、将步骤1.3计算得到的融合信号先进行降维处理，通过使用主成分分析的方式将融合后多维度信号降到3维，然后对该信号进行归一化表示； 步骤2.2、将步骤2.1归一化表示后的数据分别输入到3个卷积网络中，3个卷积网络结构相同，每个卷积网络的结构均包括三个卷积层、三个池化层和一个一级全连接层，三个卷积网络的输出汇入到二级全连接层，网络的通道数与数据维度成正比，每个网络的输出为故障类别的概率值矩阵，矩阵为，概率矩阵中每个故障概率范围均为0到1，取概率矩阵中最大的概率所代表的故障就是该概率矩阵得到的初级故障分类决策； 步骤3、对多通道卷积网络的输出进行加权处理，从而得到最终决策。

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。