买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电建集团四川工程有限公司申请的专利一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119961754B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510041161.3，技术领域涉及：G06F18/241；该发明授权一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法是由徐国彬;白玉龙;何小龙;李杨设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法在说明书摘要公布了：本申请涉及一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法。所述方法包括：获取原始振动数据并进行预处理；基于卷积神经网络构建多尺度粗粒化卷积神经网络故障诊断模型，模型包括改进多尺度粗粒化层、多尺度特征学习层、分类层；将预处理之后的原始振动数据输入所述多尺度粗粒化卷积神经网络故障诊断模型中，进行模型训练；将待诊断数据进行预处理之后，输入到训练好的多尺度粗粒化卷积神经网络故障诊断模型中，输出齿轮故障诊断结果。通过多尺度级联架构设计，引入改进的多尺度粗粒化层，能够在多个时间尺度上有效地学习信号特征，直接从原始振动信号中自动提取多尺度特征并完成故障分类，提高了分类精度，显著减少了人工干预的需求。

本发明授权一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法在权利要求书中公布了：1.一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法，其特征在于，所述方法包括： 获取原始振动数据并进行预处理； 基于卷积神经网络构建多尺度粗粒化卷积神经网络故障诊断模型，模型包括改进多尺度粗粒化层、多尺度特征学习层、分类层，所述多尺度特征学习层由多个深度玻尔兹曼机学习层堆叠组成； 将预处理之后的原始振动数据输入所述多尺度粗粒化卷积神经网络故障诊断模型中，进行模型训练； 将待诊断数据进行预处理之后，输入到训练好的多尺度粗粒化卷积神经网络故障诊断模型中，输出齿轮故障诊断结果； 所述改进多尺度粗粒化层的计算公式为： 其中，为长度为的改进粗粒化时间序列中的第个元素，为尺度因子，为原始时间序列，为原始时间序列的长度； 所述深度玻尔兹曼机学习层的输出特征表示为： 其中，为深度玻尔兹曼机学习层的隐藏层中第个节点的输出特征，为sigmoid激活函数，为第个可见单元与第个隐藏单元之间的连接权重，为长度为的改进粗粒化时间序列中的第个元素，为第个隐藏单元的偏置项。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电建集团四川工程有限公司，其通讯地址为：610031 四川省成都市成华区槐树店路38号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。