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！

龙图腾网获悉北京建筑大学申请的专利一种融合结构感知与动态传播的自适应图诊断方法及系统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：CN120387068B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510460840.4，技术领域涉及：G06F18/241；该发明授权一种融合结构感知与动态传播的自适应图诊断方法及系统是由吕文瀚;李昕鸣;王衍学;张晋瑞;祝克辉;马进川;邵冠华设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种融合结构感知与动态传播的自适应图诊断方法及系统在说明书摘要公布了：本发明公开了一种融合结构感知与动态传播的自适应图诊断方法及系统，包括：采集典型故障状态下的振动加速度信号；将所述振动加速度信号数据划分为多个时间窗口，使每个时间窗口的采样数据作为图的节点特征，构建图结构数据；基于所述图结构数据，利用结构感知相似性建模机制对节点间的结构相似性进行度量，并动态调整特征聚合策略；利用局部自适应残差特征传播机制，对所述特征聚合策略进行多层特征传播与融合；将融合后的节点表示输入分类模块，输出对应故障类型，实现智能故障诊断。在保持计算效率的同时，显著提升对复杂工业信号中微弱故障特征的识别能力。实现对多源时序信号的有效表示、特征增强与故障类型高精度分类。

本发明授权一种融合结构感知与动态传播的自适应图诊断方法及系统在权利要求书中公布了：1.一种融合结构感知与动态传播的自适应图诊断方法，其特征在于，包括：采集典型故障状态下的振动加速度信号； 将所述振动加速度信号数据划分为多个时间窗口，使每个时间窗口的采样数据作为图的节点特征，构建图结构数据； 基于所述图结构数据，利用结构感知相似性建模机制对节点间的结构相似性进行度量，并动态调整特征聚合策略； 利用局部自适应残差特征传播机制，对所述特征聚合策略进行多层特征传播与融合； 将融合后的节点表示输入分类模块，输出对应故障类型，实现智能故障诊断； 所述结构感知相似性建模机制包括，在一个传感器网络中，节点及邻居节点之间的结构感知相似性表示为：； 其中，表示节点与邻居节点之间的特征相似性度量，表示节点的邻居集合；所述邻居节点是与节点直接相连的节点； 将结构感知相似性的平方项作为额外特征输入，通过多层感知机建模非线性关系： ； 其中，表示节点的结构感知相似性权重的非线性表达结果；表示结构感知相似性建模模块中使用的多层感知机，用于非线性映射输入特征； 所述局部自适应残差特征传播机制包括，在标准GNN结构中，移除层间非线性操作，引入残差信息传播策略： 第1层的节点表示为：； 第l层的节点表示为：； 其中，为原始输入特征；表示超参数；表示图滤波器，通过标准化邻接矩阵来表示图的拓扑结构；l表示层的索引；表示第l层的局部自适应残差特征传播操作；表示在l层之前层的索引；表示标准化后的度矩阵；表示标准化后的邻接矩阵； 分别应用低通滤波和高通滤波器，并得到第l层的特征表示： ； ； ； ； 通过可学习的权重矩阵，将d维特征投影到z维特征空间： ； ； 其中，是可学习的权重矩阵；表示一个d行c列的实数矩阵空间；表示第l层的低频信息；表示第l层的高频信息；表示低通滤波器；表示高通图滤波器；是一个超参数；I表示单位矩阵；表示非线性变换函数；表示经过投影转换后的第l层低频特征；表示经过投影转换后的第l层高频特征；A表示邻接矩阵；D表示度矩阵； 在维度变换过程中，额外引入了对原始特征X的变换： ； 其中，是可学习的权重矩阵；表示经过投影转换后的原始特征。

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北京建筑大学，其通讯地址为：100000 北京市西城区展览路1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”。

以上内容由龙图腾AI智能生成。