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！

龙图腾网获悉东北大学申请的专利一种基于残差空时信息融合模型的绝缘轴承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：CN119089268B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411190075.0，技术领域涉及：G06F18/241；该发明授权一种基于残差空时信息融合模型的绝缘轴承故障诊断方法是由杨同光;段易呈;张永键;何松霖;韩清凯;李学军;蒋玲莉;郭帅平;周献文设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种基于残差空时信息融合模型的绝缘轴承故障诊断方法在说明书摘要公布了：本发明的一种基于残差空时信息融合模型的绝缘轴承故障诊断方法，包括：利用2个三向振动传感器采集双馈风力发电机绝缘轴承的6个通道的原始振动信号，以捕获不同健康状态的绝缘轴承信息；将原始振动信号划分为80％的训练集数据和20％的测试集数据；构建图知识赋能的残差空时信息融合模型；所述采用清道夫算法对图知识赋能的残差空时信息融合模型的超参数进行优化；以训练集数据作为图知识赋能的残差空时信息融合模型的输入，故障类别作为输出，进行模型训练；将测试集数据输入到训练好的图知识赋能的残差空时信息融合模型之中，经过自动的空时特征残差学习过程，对融合后的特征数据进行故障分类，实现双馈风力发电机绝缘轴承的智能诊断。

本发明授权一种基于残差空时信息融合模型的绝缘轴承故障诊断方法在权利要求书中公布了：1.一种基于残差空时信息融合模型的绝缘轴承故障诊断方法，其特征在于，包括： 步骤1：利用2个三向振动传感器采集双馈风力发电机绝缘轴承的6个通道的原始振动信号，以捕获不同健康状态的绝缘轴承信息； 步骤2：将原始振动信号划分为80％的训练集数据和20％的测试集数据； 步骤3：构建图知识赋能的残差空时信息融合模型； 步骤4：采用清道夫算法对图知识赋能的残差空时信息融合模型的超参数进行优化； 步骤5：以训练集数据作为图知识赋能的残差空时信息融合模型的输入，故障类别作为输出，进行模型训练； 步骤6：将测试集数据输入到训练好的图知识赋能的残差空时信息融合模型之中，经过自动的空时特征残差学习过程，对融合后的特征数据进行故障分类，实现双馈风力发电机绝缘轴承的智能诊断； 所述图知识赋能的残差空时信息融合模型包括：空间信息融合模块、时间信息融合模块和自注意力模块；6个通道的原始振动信号分别输入到空间信息融合模块和时间信息融合模块中提取局部特征和全局特征，局部特征和全局特征在自注意力模块模块中进行特征融合获得融合特征，融合特征输入全连接层构建特征与故障模式的映射关系并输出诊断结果； 所述空间信息融合模块包括：第一隐藏层和第二隐藏层；第一隐藏层包括：第一图卷积层和第一激活层，第一图卷积层包括64个图卷积核；第二隐藏层包括：第二图形卷积层、批量归一化层、第二激活层和丢弃层，第二图卷积层包括128个图卷积核；每个图卷积核对一个中心顶点及其周围的23个相邻节点进行加权求和；6个通道的原始振动信号依次输入第一图卷积层、第一激活层、第二图形卷积层、批量归一化层、第二激活层和丢弃层，输出局部特征；其中，使用最大互信息系数构造第一隐藏层和第二隐藏层中图卷积层的邻接矩阵； 所述时间信息融合模块包括：输入层、第三隐藏层和输出层组成，所述第三隐藏层包括双向的WDRU神经网络，通过双向的WDRU神经网络进行顺序和逆序传播，提取全局特征；WDRU神经网络包括多个权重缩减循环单元； 所述双向的WDRU神经网络的计算过程如下： 1计算共享门的信息状态： ft＝Wd·[ht-1,xt]+bd Dt＝σft＝σWd·[ht-1,xt]+bd＝σWd·ht-1+Wd·xt+bd Qt＝tanft＝tanWd·[ht-1,xt]+bd＝tanWd·ht-1+Wd·xt+bd 其中，ft表示权重缩减循环单元的中间变量，Wd为权重缩减循环单元的权重参数，ht-1表示上一个权重缩减循环单元的输出，xt表示某一通道的原始振动信号，bd表示权重缩减循环单元的偏置参数；Dt表示共享门，Qt表示共享门的信息状态； 2对权重缩减循环单元的信息状态的控制参数进行更新： Ct＝Dt×Ct-1+1-Dt×Qt＝σWd·[ht-1,xt]+bd×Ct-1+1-σft×tanft其中，Ct-1表示上一个权重缩减循环单元的信息状态的控制参数；Ct表示当前的权重缩减循环单元的信息状态的控制参数； 3计算权重缩减循环单元的输出： ht＝Dt×tanCt＝σWd·ht-1+Wd·xt+bd×tanCt 4计算双向的WDRU神经网络的输出： yt＝σht＝σDt×tanCt 5双向的WDRU神经网络的更新公式如下： ht＝WFt×hFt+WBt×hBt+bt 其中，WFt和WBt分别表示正向和反向传播过程中的权重变量，bt表示偏置量，hFt表示前向信息状态，hBt表示反向信息状态。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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”。