買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東大學(xué)申請的專利基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119152329B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411362823.9，技術(shù)領(lǐng)域涉及：G06V10/80；該發(fā)明授權(quán)基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法及系統(tǒng)是由萬熠;牛發(fā);梁西昌;王茂燦;張桂新;程玉杰;楊素軍;吳永順;李釗陽;張海榮設(shè)計研發(fā)完成，并于2024-09-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法及系統(tǒng)，通過將一維時間序列數(shù)據(jù)診斷模型和二維圖像數(shù)據(jù)診斷模型得到的數(shù)據(jù)特征進(jìn)行特征融合，充分利用兩種數(shù)據(jù)形式的互補信息，增強(qiáng)了故障診斷分類器的性能。一維時間序列數(shù)據(jù)診斷模型注重捕捉時序特征，而二維圖像數(shù)據(jù)診斷模型則側(cè)重于提取頻率特征，這種結(jié)合使得分類器能夠全面理解故障的表現(xiàn)和發(fā)展趨勢。提高了模型對復(fù)雜故障模式的識別能力，增強(qiáng)了分類器的魯棒性和準(zhǔn)確性，從而提升系統(tǒng)整體的可靠性和效率。

本發(fā)明授權(quán)基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于改進(jìn)GAN網(wǎng)絡(luò)和多模態(tài)特征融合的吊艇架樣本不均衡故障診斷方法，其特征在于，包括以下步驟： 步驟1獲取船舶吊艇架機(jī)電液系統(tǒng)狀態(tài)數(shù)據(jù)并對其進(jìn)行降噪處理； 步驟2利用改進(jìn)的GAN網(wǎng)絡(luò)對降噪后的不平衡數(shù)據(jù)進(jìn)行平衡擴(kuò)充；所述的改進(jìn)的GAN網(wǎng)絡(luò)為基于多層Transformer編碼器和自注意力機(jī)制模塊的生成器網(wǎng)絡(luò)結(jié)構(gòu)； 步驟3將擴(kuò)充后得到的數(shù)據(jù)劃分為訓(xùn)練集、驗證集和測試集； 步驟4利用連續(xù)小波變換方法將訓(xùn)練集、驗證集和測試集內(nèi)的一維時間序列數(shù)據(jù)轉(zhuǎn)換成二維圖像數(shù)據(jù)； 步驟5分別將所述的一維時間序列數(shù)據(jù)和二維圖像數(shù)據(jù)傳入到多模態(tài)特征融合診斷模型中，提取一維時間序列數(shù)據(jù)和二維圖像數(shù)據(jù)數(shù)據(jù)特征，將提取得到的兩種數(shù)據(jù)特征進(jìn)行融合；所述的多模態(tài)特征融合診斷模型，包括并行設(shè)置的二維圖像數(shù)據(jù)診斷模型和一維時間序列數(shù)據(jù)診斷模型；所述的二維圖像數(shù)據(jù)診斷模型具體數(shù)據(jù)處理過程如下：步驟5-1、卷積層提取二維圖像數(shù)據(jù)的局部特征，且通過共享權(quán)重，有效減少參數(shù)，提高訓(xùn)練效率；步驟5-2、SwinTransformerBlocks模塊對局部特征進(jìn)行處理，在局部窗口內(nèi)計算自注意力，減少計算復(fù)雜度，通過移動窗口，計算跨窗口的全局特征，高效捕捉全局和局部信息；步驟5-3、下采樣層對全局和局部信息進(jìn)行處理，減少輸入特征的尺寸，保留重要特征并減少計算量；步驟5-4、SimAM注意力機(jī)制模塊增強(qiáng)重要特征的重要性，抑制無關(guān)信息，增強(qiáng)特征表示能力；步驟5-5、批歸一化層對重要特征進(jìn)行批歸一化處理，加速收斂并穩(wěn)定訓(xùn)練；步驟5-6、全連接層將對步驟5-5得到的特征進(jìn)行整合，并映射到最終的輸出空間，輸出得到二維圖像數(shù)據(jù)數(shù)據(jù)特征； 步驟6將融合得到的數(shù)據(jù)特征傳入分類器進(jìn)行故障分類；采用寬度學(xué)習(xí)系統(tǒng)作為故障診斷分類器，進(jìn)行故障分類，具體的分類方法如下：輸入層：輸入通過級聯(lián)操作得到的一維時間序列數(shù)據(jù)和二維圖像數(shù)據(jù)融合數(shù)據(jù)特征；特征映射層：隨機(jī)生成權(quán)重，將輸入特征映射到新特征空間；增廣節(jié)點層：增加非線性節(jié)點以增強(qiáng)特征；輸出層：使用廣義逆矩陣求解輸出層權(quán)重，輸出故障類型，模型評估與參數(shù)優(yōu)化。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東大學(xué)，其通訊地址為：250061 山東省濟(jì)南市歷下區(qū)經(jīng)十路17923號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。