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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京匯與信息科技有限公司申請的專利一種變工況下無人裝備運(yùn)動(dòng)部件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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120429722B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02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(hào)為：202510922836.5，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)一種變工況下無人裝備運(yùn)動(dòng)部件故障診斷方法是由劉瀏;羅燕洋設(shè)計(jì)研發(fā)完成，并于2025-07-04向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種變工況下無人裝備運(yùn)動(dòng)部件故障診斷方法在說明書摘要公布了：本發(fā)明公開了一種變工況下無人裝備運(yùn)動(dòng)部件故障診斷方法，采集運(yùn)動(dòng)部件在不同工況下的振動(dòng)信號(hào)并進(jìn)行預(yù)處理，根據(jù)故障類型標(biāo)注標(biāo)簽，構(gòu)建數(shù)據(jù)集；構(gòu)建故障診斷模型，振動(dòng)信號(hào)樣本作為MSRAF的輸入，得到融合后的特征，經(jīng)過IDRSN進(jìn)行特征降噪處理；經(jīng)過BiLSTM進(jìn)行時(shí)序特征提取；將BiLSTM輸出的特征經(jīng)過特征降維和Softmax層輸出故障診斷結(jié)果；采用源域數(shù)據(jù)進(jìn)行模型訓(xùn)練；利用遷移學(xué)習(xí)策略微調(diào)源域樣本訓(xùn)練好的模型，并用微調(diào)后的模型診斷目標(biāo)域剩余樣本。本發(fā)明有效解決了變工況下故障特征提取不足以及降噪過程特征表達(dá)受限的問題，顯著提升了運(yùn)動(dòng)部件在變工況下故障診斷的魯棒性和泛化能力。

本發(fā)明授權(quán)一種變工況下無人裝備運(yùn)動(dòng)部件故障診斷方法在權(quán)利要求書中公布了：1.一種變工況下無人裝備運(yùn)動(dòng)部件故障診斷方法，其特征在于，包括以下步驟： （1）采集無人裝備運(yùn)動(dòng)部件在不同工況下的振動(dòng)信號(hào)并進(jìn)行預(yù)處理，根據(jù)故障類型標(biāo)注標(biāo)簽，將數(shù)據(jù)劃分為源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集； （2）構(gòu)建基于MSRAF-IDRSN-BiLSTM網(wǎng)絡(luò)的故障診斷模型；所述MSRAF-IDRSN-BiLSTM網(wǎng)絡(luò)包括多尺度殘差注意力融合模塊MSRAF、改進(jìn)的深度殘差收縮網(wǎng)絡(luò)IDRSN和雙向長短時(shí)記憶網(wǎng)絡(luò)BiLSTM；振動(dòng)信號(hào)樣本作為MSRAF的輸入，得到融合后的特征，經(jīng)過IDRSN進(jìn)行特征降噪處理；對降噪后的特征經(jīng)過BiLSTM進(jìn)行時(shí)序特征提取；將BiLSTM輸出的特征經(jīng)過特征降維和Softmax層輸出故障診斷結(jié)果； 所述改進(jìn)的深度殘差收縮網(wǎng)絡(luò)IDRSN包括多個(gè)改進(jìn)的深度殘差收縮單元IRSBU；所述IRSBU首先將卷積層的輸入特征通過兩層BN、ReLU和卷積模塊進(jìn)行特征處理；然后使用雙階段注意力協(xié)同機(jī)制，第一級(jí)通道注意力自適應(yīng)地調(diào)整各特征通道的閾值參數(shù)，實(shí)現(xiàn)閾值參數(shù)的自適應(yīng)調(diào)整；第二級(jí)通道注意力使用自適應(yīng)調(diào)節(jié)因子k對軟閾值函數(shù)的輸出特征進(jìn)一步修正，在保留去噪能力的同時(shí)，增強(qiáng)特征的魯棒性，IRSBU修正軟閾值函數(shù)輸出如下： ； 式中，為閾值；為輸入；為輸出；為符號(hào)函數(shù)，表達(dá)式如下： ； 最后利用殘差連接將卷積層的輸入特征和雙階段注意力協(xié)同機(jī)制處理后的特征相加作為輸出； 所述雙向長短時(shí)記憶網(wǎng)絡(luò)BiLSTM具體實(shí)現(xiàn)過程如下： 在正向?qū)又校恳徊蕉紩?huì)進(jìn)行正向計(jì)算，并存儲(chǔ)前向隱藏層的輸出；然后，在反向?qū)舆M(jìn)行計(jì)算，同樣每一步都會(huì)保存反向隱藏層的輸出；隨后，正向?qū)雍头聪驅(qū)拥妮敵鰰?huì)被合并以生成最終輸出，其計(jì)算方式如下： ； 式中，為正向LSTM的輸出；為正向LSTM在時(shí)間步（t-1）時(shí)刻的隱藏狀態(tài)；為反向LSTM的輸出；為反向LSTM在時(shí)間步（t+1）時(shí)刻的隱藏狀態(tài)；為隱藏層的最終輸出；和為相應(yīng)的激活函數(shù)；至為BiLSTM內(nèi)部的權(quán)重矩陣； （3）采用源域數(shù)據(jù)進(jìn)行模型訓(xùn)練，獲取訓(xùn)練后的模型，采用目標(biāo)域數(shù)據(jù)進(jìn)行測試，獲取故障診斷結(jié)果； （4）設(shè)計(jì)遷移學(xué)習(xí)策略，采用目標(biāo)域中部分樣本微調(diào)源域樣本訓(xùn)練好的模型；采用目標(biāo)域中剩余樣本輸入微調(diào)后的模型，獲取故障診斷結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)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)人南京匯與信息科技有限公司，其通訊地址為：210012 江蘇省南京市雨花臺(tái)區(qū)鳳信路6號(hào)6棟4層-003；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)”。