買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉國能北電勝利能源有限公司申請的專利一種基于分層注意力機制的管道系統故障診斷方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119004322B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411074855.9，技術領域涉及：G06F18/2433；該發明授權一種基于分層注意力機制的管道系統故障診斷方法及系統是由佘長超;彭志超;騰天野;黃超;心珊珊;霍俊杰設計研發完成，并于2024-08-06向國家知識產權局提交的專利申請。

本一種基于分層注意力機制的管道系統故障診斷方法及系統在說明書摘要公布了：本發明涉及管道故障檢測技術領域，尤其涉及一種基于分層注意力機制的管道系統故障診斷方法及系統。所述方法包括獲取增強型故障數據集，搭建金字塔殘差卷積網絡PRCN和搭建三層雙向長短時記憶網絡TBiLSTM，構建分層注意力網絡模型CBHANet，應用訓練完成的分層注意力網絡模型CBHANet進行管線故障診斷。本發明結合數據清洗和增強技術，利用PRCN的多尺度特征提取能力和TBiLSTM的時序數據處理能力，共同優化了CBHANet模型對復雜數據的處理效率和故障預測的精度，TT和PC并行結構的應用極大提高了特征的綜合利用效率，通過時間和空間注意力機制進一步提升了故障檢測的精確度和響應速度。

本發明授權一種基于分層注意力機制的管道系統故障診斷方法及系統在權利要求書中公布了：1.一種基于分層注意力機制的管道系統故障診斷方法，其特征在于，包括： S10、實時獲取管道系統的原始運行數據，對原始運行數據進行預處理得到增強型故障數據集，并將其分割成管線故障訓練集、管線故障驗證集和管線故障測試集；所述步驟S10包括： S101、利用傳感器和攝像頭實時采集管道系統的原始運行數據，所述原始運行數據包括管道壓力變化、流量波動、溫度波動及外部結構可視化圖像； S102、利用傅里葉變換對原始運行數據清洗，去除噪聲和異常值，得到故障診斷數據集； S103、利用數據平衡器DBE對故障診斷數據集進行數據增強，增加新的故障診斷數據樣本，得到增強型故障數據集； S104、使用標注工具對增強型故障數據集中的數據進行標簽標注，并以同一格式文件保存，并將其分割成管線故障訓練集、管線故障驗證集和管線故障測試集； S20、搭建金字塔殘差卷積網絡PRCN，提取增強型故障數據集的多層次空間特征，方法如下： S201、使用金字塔殘差卷積網絡PRCN的conv1卷積層，通過7x7大卷積核對增強型故障數據集進行特征的初步提取； S202、通過步長為2的3x3最大池化層進一步壓縮數據維度以減小特征圖尺寸，并降低經初步提取的特征的抽象層次；引入ReLU激活函數，進一步壓縮數據維度和提高特征的抽象層次； S203、使用金字塔殘差卷積網絡PRCN的Conv2卷積層，Conv2卷積層按照金字塔形狀配置，通過1x1和3x3小卷積核對經初步提取后的特征進行精細特征提取，卷積層之間通過瓶頸結構連接；采用特征融合技術將不同層次的特征圖逐層相加融合，從細粒度到粗粒度全面捕捉增強型故障數據集的多層次空間特征；搭建三層雙向長短時記憶網絡TBiLSTM，提取增強型故障數據集的雙向時序特征，方法如下： P201、使用三層雙向長短時記憶網絡TBiLSTM的第一方向的LSTM學習處理第一方向的時間序列，以獲取時間序列的前向信息；使用第二方向的LSTM學習處理第二方向的時間序列，以獲取時間序列的后向信息；第一方向和第二方向的方向相反； P202、三層雙向長短時記憶網絡TBiLSTM堆疊三層BiLSTM，每層輸出作為下一層輸入，學習深層次的時序特征； P203、在三層BiLSTM后加入ReLU激活函數，提高對時間序列中非線性模式的識別能力； P204、加入Dropout操作，防止過擬合現象，得到不同層次的雙向時序特征； S30、基于金字塔殘差卷積網絡PRCN和三層雙向長短時記憶網絡TBiLSTM構建分層注意力網絡模型CBHANet，并通過分層注意力機制優化模型，方法如下： S301、構建時間特征提取模塊TT，時間特征提取模塊TT由TBiLSTM和時間注意力機制TAT機制組成，利用時間注意力機制TAT對TBiLSTM提取的增強型故障數據集的雙向時序特征進行加權處理得到注意力權重，識別并強調時序特征的關鍵信息，增強時序特征的表征能力；所述時間注意力機制TAT的計算表達式為： （1） 其中，代表查詢向量矩陣，為鍵向量矩陣，是鍵向量的維度，則是值向量矩陣； S302、構建卷積塊注意力模塊PC，利用卷積注意力機制CA對PRCN的卷積層輸出的特征圖進行動態調整，通過通道和空間兩個維度的注意力加權，增強空間特征的表征能力；所述步驟S302還包括以下步驟： S3021、構建包括PRCN和CBAM模塊的卷積塊注意力模塊PC，CBAM模塊包括通道注意力模塊CAB和空間注意力模塊SAM； S3022、利用通道注意力模塊CAB識別并增強重要的通道特征，通過自適應池化和神經網絡處理，得到通道注意力權值，并得到加權后的特征圖： S3023、利用空間注意力模塊SAM識別并增強重要的空間位置特征，通過自適應池化、卷積和Sigmoid激活，得到空間注意力權值，最終加權后的特征圖； S303、將雙層TT和雙層PC并行，構成分層注意力網絡模型CBHANet，并通過concat操作將模塊TT和模塊PC提取的時空特征進行拼接，輸入到多層感知機MLP，MLP由多層全連接網絡構成，用于綜合評估時間序列和空間分析的特征；MLP使用Softmax或激活函數進行故障診斷，輸出不同故障類型的概率分布； S40、利用管線故障訓練集對分層注意力網絡模型CBHANet進行訓練，利用驗證集檢驗每次迭代訓練后的模型精度，利用測試集進行預測管線的故障類型，并計算模型精度； S50、應用訓練完成的分層注意力網絡模型CBHANet進行管線故障診斷。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人國能北電勝利能源有限公司，其通訊地址為：026000 內蒙古自治區錫林郭勒盟錫林浩特市勝利煤礦；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。