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！

龍圖騰網獲悉上海師范大學申請的專利一種基于發動機振動信號多模態分析的機械故障檢測方法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：CN116610935B 。

龍圖騰網通過國家知識產權局官網在2025-08-26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：202310554203.4，技術領域涉及：G06F18/213；該發明授權一種基于發動機振動信號多模態分析的機械故障檢測方法是由劉翔鵬;李文杰;袁非牛;張相芬;王心怡;安康;管西強;張會設計研發完成，并于2023-05-17向國家知識產權局提交的專利申請。

本一種基于發動機振動信號多模態分析的機械故障檢測方法在說明書摘要公布了：本發明涉及一種基于發動機振動信號多模態分析的機械故障檢測方法，對于提取到的柴油發動機震動信號，首先采用多模態特征提取網絡從一維幅值數據及二維圖像數據中提取出關于異常信號的圖像特征，之后采用混通道特征融合檢測網絡將特征圖拆分為兩組，分別采用空間注意力機制與通道注意力機制對特征圖進行空間域與通道域的提權計算，將計算得到的特征圖再次分組，并通過合并操作得到多維度提權的特征圖，最后采用多尺度檢測器同時對三個特征圖進行檢測，判斷在該時段內的信號是否存在有異常狀態。與現有技術相比，本發明具有準確率高、抗噪聲性能好等優點。

本發明授權一種基于發動機振動信號多模態分析的機械故障檢測方法在權利要求書中公布了：1.一種基于發動機振動信號多模態分析的機械故障檢測方法，其特征在于，包括以下步驟： 采集發電機的振動信號； 將所述振動信號輸入多模態特征提取網絡，得到多個特征信息； 選取p個特征信息輸入混通道特征融合檢測網絡，進行特征二次處理及檢測，輸出檢測結果 其中，所述多模態特征提取網絡包括整形網絡、卷積模塊、全連接模塊及多模態Transformer模塊； 所述整形網絡用于將輸入的發動機振動信號轉換為二維圖片，卷積模塊基于所述二維圖片進行特征提取，得到二維特征圖片； 所述全連接模塊用于提取輸入的發動機振動信號的一維特征向量；所述多模態Transformer模塊用于整合所述一維特征向量及所述二維特征圖片； 所述混通道特征融合檢測網絡包括特征聚合模塊、特征混組模塊及多尺度檢測模塊； 所述特征聚合模塊用于將所述p個特征信息進行聚合，得到聚合特征圖FM； 所述特征混組模塊用于對所述聚合特征圖進行特征混組，得到多個不同大小的特征圖； 所述多尺度檢測模塊用于對混組后的特征圖進行檢測，通過檢測特征圖中是否有異常、不規則紋理區域以判斷在當前這一時段內柴油機氣缸是否有異常振動信號； 所述多模態Transformer模塊包括兩個多頭注意力網絡，分別對應所述一維特征向量與二維特征圖像的長距離關系交互； 所述多模態Transformer模塊整合所述一維特征向量及所述二維特征圖片包括以下步驟： 將所述一維特征向量分為個tokens子向量； 將所述二維特征圖片等分為個特征塊，將所述特征塊延展為個tokens子向量； 在第一多頭注意力網絡中，將二維特征圖片對應的tokens輸入到矩陣中，將一維特征向量對應的tokens輸入到矩陣與中，將計算得到帶有圖片特征信息的查詢矩陣Q與一維幅值特征信息的鍵矩陣K進行匹配度計算，將得到的匹配度賦值于對應的特征值矩陣V上，完成圖像特征映射至幅值特征的操作； 在第二多頭注意力網絡中，將一維特征向量對應的tokens輸入到矩陣中，將二維特征圖片對應的tokens輸入到矩陣與中，將計算得到帶有圖片特征信息的查詢矩陣Q與一維幅值特征信息的鍵矩陣K進行匹配度計算，將得到的匹配度賦值于對應的特征值矩陣V上，完成圖像特征映射至幅值特征的操作； 其中，在兩個多頭注意力網絡中，對應的兩組Q、K、V向量分別由、、和、、矩陣計算得到； 對兩個多頭注意力網絡的輸出一維特征向量進行合并，并采用全連接層與ReLU激活函數對合并后的特征進行激活計算，最后將得到的向量進行整型計算，得到維度的特征圖。

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上海師范大學，其通訊地址為：200234 上海市徐匯區桂林路100號；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”。