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！

龙图腾网获悉合肥工业大学申请的专利基于卷积神经网络的工件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：CN120892804B 。

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：202511397241.9，技术领域涉及：G06F18/2131；该发明授权基于卷积神经网络的工件故障诊断方法是由钱晓飞;宋文焕;刘心报;郑锐;周谧设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本基于卷积神经网络的工件故障诊断方法在说明书摘要公布了：本发明提供一种基于卷积神经网络的工件故障诊断方法，涉及机械故障诊断技术领域，包括：获取工件的振动数据以及目标神经网络模型，目标神经网络模型包括特征提取模块，特征提取模块包括多尺度可分离小波卷积模块和动态融合注意力模块，动态融合注意力模块包括将原始空间注意力模块的卷积层替换为三个并行卷积组成的多尺度卷积层的多尺度空间注意力子模块，动态融合注意力模块包括并行连接的通道注意力子模块和多尺度空间注意力子模块。本发明针对于工件的故障诊断，设计了一种基于多尺度小波卷积与融合注意力的神经网络模型，可有效提取并融合工件振动信号中的关键特征，能够在工况复杂的场景下准确进行故障诊断。

本发明授权基于卷积神经网络的工件故障诊断方法在权利要求书中公布了：1.一种基于卷积神经网络的工件故障诊断方法，其特征在于，包括： 获取工件的振动数据以及目标神经网络模型，所述目标神经网络模型包括特征提取模块，所述特征提取模块包括多尺度可分离小波卷积模块、动态融合注意力模块和特征融合层；所述可分离小波卷积模块包括小波变换层、多尺度膨胀卷积组、BN-S子模块和第一残差支路，所述动态融合注意力模块包括通道注意力子模块、多尺度空间注意力子模块、动态融合子模块和第二残差支路；其中，所述多尺度空间注意力子模块将原始空间注意力模块的卷积层替换为三个并行卷积组成的多尺度卷积层，所述通道注意力子模块和所述多尺度空间注意力子模块并行连接； 通过所述目标神经网络模型对所述振动数据进行处理，以得到工件的故障诊断结果；其中，所述多尺度可分离小波卷积模块用于获取所述振动数据不同尺度的局部特征，所述动态融合注意力模块用于将所述局部特征的通道特征和空间特征根据权重参数进行融合，所述特征融合层用于将所述局部特征与所述动态融合注意力模块的输出进行残差连接； 其中，所述多尺度可分离小波卷积模块用于获取所述振动数据不同尺度的局部特征，包括： 通过所述小波变换层将所述振动数据划分为低频子带和高频子带； 通过所述多尺度膨胀卷积组将所述低频子带和高频子带进行膨胀卷积处理，获得低频特征图和高频特征图； 通过所述BN-S子模块将所述低频特征图和高频特征图进行仿射变换和逆小波变换得到重构特征； 通过所述第一残差支路提取所述振动数据的基础特征并与所述重构特征形成残差连接，获得局部特征； 所述通过所述目标神经网络模型对所述振动数据进行处理，以得到工件的故障诊断结果，包括： 通过所述通道注意力子模块提取所述局部特征的通道特征，通过所述多尺度空间注意力子模块提取所述局部特征的空间特征； 通过所述动态融合子模块将所述通道特征与所述空间特征按照所述权重参数进行特征融合，获得关键特征；其中，所述权重参数表示所述通道特征与所述空间特征在当前输入下的贡献程度； 通过所述第二残差支路提取所述局部特征的基础特征； 将所述基础特征与所述关键特征进行残差连接，获得输出特征。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。