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！

龙图腾网获悉南通理工学院申请的专利智能监测与故障诊断一体化的RV减速器控制系统及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：CN120353215B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510820262.0，技术领域涉及：G05B23/02；该发明授权智能监测与故障诊断一体化的RV减速器控制系统及方法是由张捷;吴国庆;符永宏;沙春设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本智能监测与故障诊断一体化的RV减速器控制系统及方法在说明书摘要公布了：本发明涉及RV减速器技术领域，具体为智能监测与故障诊断一体化的RV减速器控制系统及方法；采集RV减速器的多模态运行数据,包括振动、温度、声音和电流数据；对多模态运行数据分别进行特征提取,并设计基于注意力机制的自适应特征融合方法,动态调整不同特征的权重,实现全面智能的状态监测；构建基于多分支卷积神经网络的故障诊断模型,利用历史运行数据和故障标签对模型进行有监督训练,实现高精度的故障分类；采用知识蒸馏技术对训练好的模型进行压缩,部署到RV减速器中,实现在线实时诊断；本发明充分挖掘了多源异构数据的价值,提升了RV减速器故障诊断的智能化水平。

本发明授权智能监测与故障诊断一体化的RV减速器控制系统及方法在权利要求书中公布了：1.智能监测与故障诊断一体化的RV减速器控制方法，其特征在于，包括： 多模态采集RV减速器运行数据，所述运行数据包括振动数据、温度数据、声音数据以及电流数据； 对采集的RV减速器运行数据进行特征提取，提取运行数据中的振动数据特征、温度数据特征、声音数据特征以及电流数据特征； 针对不同传感器采集的异构数据,在提取不同类型运行数据的特征后，设计基于注意力机制的自适应特征数据融合方法,动态调整不同类型特征数据的权重,实现智能监测； 构建基于卷积神经网络的故障诊断模型，卷积神经网络采用多分支神经网络结构，每个分支对应一种传感器数据，故障诊断模型用于对RV减速器进行数据融合和故障分类； 所述故障诊断模型基于4个并行分支的卷积神经网络所构建,每个分支对应一种传感器数据；将注意力机制融合后的特征矩阵划分为4个子矩阵,,,,分别表示振动、温度、声音和电流对应的特征子矩阵；每个子矩阵作为对应分支的输入； 构建基于卷积神经网络的故障诊断模型，包括： 对于第个分支，,令表示对应的特征子矩阵,其中为特征维度,为时间步长；将重塑为的形式,其中和分别为高度和宽度,满足；对进行卷积和池化操作: ； ； 其中,和分别为第个分支、第个卷积层的权重和偏置,表示卷积操作,为第个分支的卷积层数量,为激活函数,为最大池化操作；为第个分支、第个卷积层的卷积；为第个分支、第个卷积层的池化； 将每个分支的池化结果展平为向量,并拼接形成特征向量； 将输入到全连接层进行特征融合和分类： ； ； 其中,,,,分别为全连接层的权重和偏置,，为输出概率向量,为故障类别数；故障诊断模型损失函数采用交叉熵函数: ； 其中,为真实标签的独热编码,为预测概率，c为故障类别索引编号； 采用有监督方式训练故障诊断模型,基于RV减速器历史运行数据和设定的故障标签,对故障诊断模型进行训练，对训练完成的深度学习模型进行知识蒸馏，压缩模型体积，部署到RV减速器中； 构建教师模型和学生模型，将训练完成的深度学习模型作为教师模型,定义教师模型参数为,输出为软标签；构建学生模型,定义学生模型参数为,输出为； 定义蒸馏损失函数，令表示第个样本的真实标签,表示教师模型的软标签输出,表示学生模型在样本上的输出；蒸馏损失函数定义为: ； 其中,为蒸馏过程的权重系数；为软标签的温度参数,用于控制软标签的平滑程度； 为交叉熵损失函数； 训练学生模型，固定教师模型的参数,训练学生模型以最小化蒸馏损失函数；每个训练步骤如下: ； 其中,为学习率,为训练批次大小；重复上述训练步骤,直到蒸馏损失函数收敛； 将知识蒸馏后的学生模型集成到RV减速器的嵌入式系统中，用于RV减速器的运行监测与故障诊断。

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南通理工学院，其通讯地址为：226000 江苏省南通市崇川区永兴路211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。