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！

龙图腾网获悉青岛理工大学申请的专利一种列车传动电机、齿轮箱及轴箱的故障诊断方法与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：CN121637289B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610140720.0，技术领域涉及：G06F18/2431；该发明授权一种列车传动电机、齿轮箱及轴箱的故障诊断方法与系统是由于世行;刘博昌;范欣森;徐新立;桂海源;赵景波;骆萌萌;张媛媛设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种列车传动电机、齿轮箱及轴箱的故障诊断方法与系统在说明书摘要公布了：本发明公开了一种列车传动电机、齿轮箱及轴箱的故障诊断方法与系统，属于列车传动系统故障诊断技术领域，方法包括针对列车传动系统的关键组件分别设计专用专家网络；引入多头自注意力门控网络，对专用专家网络输出的特征进行动态融合；采用包含交叉熵损失、KL散度正则化损失、负载均衡损失的联合损失函数，训练专用专家网络与门控网络；基于师生模型架构与知识蒸馏，实现新增故障类别适配与历史知识保留；将待诊断的多组件振动信号输入训练完成的模型，通过特征提取、门控网络融合、分类器预测，输出概率最高的故障类别作为诊断结果。本发明解决列车传动系统故障诊断中多组件独立建模、增量学习延迟、灾难性遗忘、多工况适应性差等问题。

本发明授权一种列车传动电机、齿轮箱及轴箱的故障诊断方法与系统在权利要求书中公布了：1.一种列车传动电机、齿轮箱及轴箱的故障诊断方法，其特征在于，包括以下步骤： S1、构建多组件专用专家网络：针对列车传动系统的关键组件分别设计专用专家网络；关键组件包括齿轮箱、电机、左轴箱、右轴箱，分别的设计专用专家网络如下： 齿轮箱电机专家网络LHE-Net：采用多层一维卷积结构，通过卷积块提取振动信号的高维判别特征，所述卷积块依次包含卷积运算、批归一化BN、ReLU激活函数和最大池化MaxPool； 轴箱专家网络RE-Net：基于残差块结构，通过恒等映射缓解深度网络退化，实现轴箱弱故障特征提取，所述残差块包含卷积运算、BN、dropout正则化及shortcut连接； S2、进行自注意力门控动态特征融合：引入多头自注意力门控网络，对专用专家网络输出的特征进行样本级动态融合；具体为：将专用专家网络原始特征投影为查询Q、键K、值V，通过缩放点积注意力计算增强特征；对增强特征全局平均池化获取上下文信息，通过MLP生成专家贡献权重，满足权重和为1、非负约束；基于所述贡献权重对多专家增强特征进行加权融合，权重归一化采用Softmax函数，得到系统级融合特征；具体步骤如下： S21、多头注意力增强：第h个注意力头将专家特征投影为查询Q、键K、值V： ； 其中，为可学习参数矩阵，为多专家原始特征集合；缩放点积注意力计算： ； 其中，为单头注意力下的特征维度；多注意力头输出拼接后经投影得到增强特征： ； 其中，为注意力头数，为输出投影矩阵； S22、动态权重生成：对增强特征全局平均池化获取上下文信息，通过两层MLP生成专家贡献权重： ； 其中，为平均池化特征，为MLP权重矩阵，为偏置项，T为温度参数，用于控制权重分布锐度，满足； S23、特征加权融合： ； 其中，为第i个专家的贡献权重，为第i个专家的增强特征； S3、多目标联合训练：采用包含交叉熵损失、KL散度正则化损失、负载均衡损失的联合损失函数，训练专用专家网络与门控网络； S4、构建增量学习训练机制：基于师生模型架构与知识蒸馏，实现新增故障类别适配与历史知识保留； S5、故障诊断输出：将待诊断的多组件振动信号输入训练完成的模型，通过专用专家网络特征提取、门控网络融合、分类器预测，输出概率最高的故障类别作为诊断结果。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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。