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！

龙图腾网获悉烟台大学申请的专利一种基于Mamba-ResNet的风力发电机故障诊断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：CN121615089B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610129093.0，技术领域涉及：G06F18/25；该发明授权一种基于Mamba-ResNet的风力发电机故障诊断方法及系统是由刘志中;李超;耿仕达;崔振东;黄光玉;王飞;刘仲尧设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种基于Mamba-ResNet的风力发电机故障诊断方法及系统在说明书摘要公布了：本发明涉及故障诊断技术领域，尤其是涉及一种基于Mamba‑ResNet的风力发电机故障诊断方法及系统。所述方法包括利用预处理的数据进行特征提取与特征融合，包括构建自适应窗口短时傅里叶变换AW‑STFT进行动态时频分辨率分析、并行特征提取并构建多维度异构特征向量、基于双向交叉门控单元的跨模态自适应门控融合机制；构建Mamba‑ResNet混合深度网络模型架构；对构建的网络模型架构进行模型训练；利用训练后的模型架构进行风力发电机故障诊断。避免了传统方法中繁琐的手工特征设计过程，显著提升了诊断系统的自动化水平和适应性。

本发明授权一种基于Mamba-ResNet的风力发电机故障诊断方法及系统在权利要求书中公布了：1.一种基于Mamba-ResNet的风力发电机故障诊断方法，其特征在于，包括： 获取风电机组双通道振动信号； 基于获取的双通道振动信号进行数据预处理； 利用预处理的数据进行特征提取与特征融合，包括构建自适应窗口短时傅里叶变换AW-STFT进行动态时频分辨率分析、并行特征提取并构建多维度异构特征向量、基于双向交叉门控单元的跨模态自适应门控融合机制； 构建Mamba-ResNet混合深度网络模型架构； 对构建的网络模型架构进行模型训练； 利用训练后的模型架构进行风力发电机故障诊断； 所述并行特征提取并构建多维度异构特征向量，包括从时频表征及原始信号中，并行提取三类互补的特征向量，构建融合先验知识与数据驱动的特征池，其中包括时域统计特征向量、频带能量熵特征向量和时频矩阵奇异值特征向量； 所述基于双向交叉门控单元的跨模态自适应门控融合机制，包括接收来自ResNet的空间特征向量和来自Mamba的时序特征向量，通过函数压缩至[0,1]区间，随后进行双向增强操作，得到由时序信息指导增强的新空间特征；同时，时序特征与自身对应的门控权重逐元素相乘，得到由空间信息指导增强的新时序特征，最终两个经过交互增强的特征将被融合； 所述构建Mamba-ResNet混合深度网络模型架构，包括针对时频图像中故障特征呈现的不同空间尺度，设计并行多分支卷积结构MS-ConvFormer，使用不同尺寸的卷积核对输入时频图进行并行卷积运算，以同时捕获局部细粒度纹理、中等范围模式及全局上下文信息，然后通过通道注意力门控机制对融合后的多尺度特征进行自适应重校准，通过全局平均池化GAP聚合每个特征通道的全局信息，并通过包含ReLU激活函数的两层全连接网络，学习每个通道的重要性权重，最后通过函数生成0到1之间的注意力系数，然后引入通道注意力机制，自动学习不同尺度特征的权重，最后在MS-ConvFormer提取的基元特征基础上，引入深度残差网络ResNet作为空间特征的主干提取器，其中，首先构建三阶段递进式网络，逐层将特征图的空间尺寸下采样，同时将通道维度从64扩展至128、256，实现从低层边缘纹理到中层部件模式再到高层故障语义的层次化抽象，其次在每个残差块内部集成SE注意力模块，最终，网络输出多层次的特征图共同构成故障在时频空间中的完备、鲁棒的深度表征； 还包括引入结构化状态空间序列模型Mamba，将一维时序振动信号xt视为连续时间系统的观测，并通过选择性状态空间方程进行建模；然后在Mamba时序建模模块中引入基于故障冲击强度的选择性记忆调制机制，对输入振动信号在局部时间窗口内进行统计分析，计算当前时刻信号相对于其局部均值的偏离程度，并结合局部标准差对该偏离进行归一化处理，并定义故障冲击感知系数，用于量化当前时刻振动信号中潜在故障冲击的显著程度，然后将冲击感知系数引入Mamba的状态更新过程，对历史状态与当前候选状态之间的融合比例进行动态调制。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。