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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉長沙理工大學(xué)申請的專利一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法獲國家發(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：CN120104975B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29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：202510221445.0，技術(shù)領(lǐng)域涉及：G06F18/10；該發(fā)明授權(quán)一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法是由何知義;曾雨婷;徐曉強;胡宏偉;王向紅設(shè)計研發(fā)完成，并于2025-02-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法在說明書摘要公布了：本發(fā)明公開了一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法，包括以下步驟：首先，獲取電機在不同健康狀態(tài)下的多源信號后歸一化，并建立原始信號圖樣本集；其次，利用電機不同健康狀態(tài)下的圖樣本對模型進行訓(xùn)練，通過多頭自注意力機制和前饋網(wǎng)絡(luò)捕捉跨圖樣本之間的關(guān)系特征，并結(jié)合知識蒸餾技術(shù)得到優(yōu)化后的多層圖同構(gòu)網(wǎng)絡(luò)的級聯(lián)結(jié)構(gòu)；最后，利用訓(xùn)練好的模型對待診斷樣本進行測試，最后輸出診斷結(jié)果。本發(fā)明通過融合多傳感器信號、提取跨圖關(guān)系特征以及新的動態(tài)訓(xùn)練反饋策略增強了抗噪性，顯著提升了電機故障診斷的精度和魯棒性。實驗結(jié)果表明，本發(fā)明提出的方法在故障診斷準確率和魯棒性上均優(yōu)于目前主流的故障診斷方法。

本發(fā)明授權(quán)一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法在權(quán)利要求書中公布了：1.一種基于圖同構(gòu)網(wǎng)絡(luò)與跨圖關(guān)系學(xué)習(xí)的電機故障診斷方法，其特征在于，包括以下步驟： 步驟1：獲取電機在不同健康狀態(tài)下的多源信號，并建立原始信號樣本集； 步驟2：數(shù)據(jù)預(yù)處理，對采集到的多源信號進行歸一化后，以傳感器作為節(jié)點，計算不同傳感器的之間的余弦相似度作為邊，構(gòu)建不同故障類別的圖樣本； 步驟3：在訓(xùn)練階段，用不同故障類別圖樣本中的訓(xùn)練樣本對多層圖同構(gòu)網(wǎng)絡(luò)模型進行訓(xùn)練，并不斷優(yōu)化參數(shù)； 步驟4：在測試階段，將不同故障類別圖樣本中的測試樣本輸入訓(xùn)練后的多層圖同構(gòu)網(wǎng)絡(luò)模型，輸出樣本故障的概率分布，獲取概率最大的故障類別為預(yù)測的樣本標簽； 步驟5：輸出診斷結(jié)果； 構(gòu)建不同故障類別的圖樣本的步驟如下： 在一個圖樣本內(nèi)，每個傳感器被映射為圖中的一個節(jié)點，節(jié)點的初始特征由該傳感器在固定時段內(nèi)采集的時域信號數(shù)據(jù)構(gòu)成，假設(shè)電機中共部署了N個傳感器，每個傳感器在時段T內(nèi)采集M個數(shù)據(jù)點，則第i個傳感器的特征向量可表示為： ； 其中，為第i個傳感器在第k個時間點的采樣值； 為了刻畫傳感器之間的相關(guān)性，采用余弦相似度作為邊權(quán)重的度量指標； 對于任意兩個傳感器i和j，其邊權(quán)重的計算公式如下： ； 其中，元素表示傳感器i和j之間的邊權(quán)重，等式右邊分子部分表示兩個特征向量的點積，分母部分為兩個向量的模長乘積； 基于上述節(jié)點和邊的定義，構(gòu)建不同故障類別的圖樣本： ； 其中，V為節(jié)點集合，表示所有傳感器，E為邊集合，表示傳感器之間的連接關(guān)系，X為節(jié)點特征矩陣，每一行對應(yīng)一個傳感器的特征向量，W為邊權(quán)重矩陣； 所述步驟3中，不斷優(yōu)化參數(shù)，具體過程包括如下步驟： 通過兩個分類器和構(gòu)建反饋環(huán)機制，來自關(guān)系特征提取器的關(guān)系特征被提取并傳送到多層圖同構(gòu)網(wǎng)絡(luò)的級聯(lián)結(jié)構(gòu)以建立動態(tài)反饋回路，損失函數(shù)如下： ； 其中，是來自和帶有標簽圖樣本的交叉熵損失，為交叉熵損失函數(shù)的系數(shù)，為散度損失函數(shù)的系數(shù)； 是一個Kullback-Leibler散度損失，用于衡量基于原始圖表示和包含了關(guān)系特征圖表示的預(yù)測概率分布之間的差異，公式如下： ； 其中，是Kullback-Leibler散度，，是所預(yù)測的概率分布，，是所預(yù)測的概率分布，是蒸餾的溫度參數(shù)； 是特征相似度損失函數(shù)，通過減少原始圖表示和關(guān)系感知表示之間的L2距離，讓這兩個嵌入更加相似，來引導(dǎo)多層圖同構(gòu)網(wǎng)絡(luò)的級聯(lián)結(jié)構(gòu)理解關(guān)系特征提取器的特征表示，公式如下： ； 通過所設(shè)計的結(jié)合關(guān)系特征提取的動態(tài)反饋回路的損失函數(shù)以對多層圖同構(gòu)網(wǎng)絡(luò)的級聯(lián)結(jié)構(gòu)不斷優(yōu)化參數(shù)。

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)人長沙理工大學(xué)，其通訊地址為：410114 湖南省長沙市天心區(qū)赤嶺路45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)”。