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！

龙图腾网获悉燕山大学申请的专利基于空间变换网络和注意力机制的齿轮箱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：CN115687891B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211426557.2，技术领域涉及：G06F18/00；该发明授权基于空间变换网络和注意力机制的齿轮箱故障诊断方法是由梁朋飞;田嘉野;陶睿;帅瀚钦;于卓泽设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本基于空间变换网络和注意力机制的齿轮箱故障诊断方法在说明书摘要公布了：本发明涉及一种基于空间变换网络和注意力机制的齿轮箱故障诊断方法，其包括以下步骤，步骤1：采集齿轮箱的震动信号数据，将一维振动信号数据转换为二维时频图片数据；步骤2：将齿轮箱的二维时频图片数据组进行分组，获得训练集、验证集和测试集；步骤3：构建齿轮箱故障诊断模型；步骤4：完成齿轮箱故障诊断模型的训练，输出诊断结果。本发明在构建齿轮箱智能故障诊断模型的过程中，加入了空间变换网络和注意力机制，从而提高了模型的几何不变性，允许网络有选择地增强大量信息的特征，使后续处理能够充分利用这些特征，使模型更容易提取出故障的特征，实现智能故障诊断；使用多标签类平衡损失函数，解决了不平衡数据训练的问题。

本发明授权基于空间变换网络和注意力机制的齿轮箱故障诊断方法在权利要求书中公布了：1.一种基于空间变换网络和注意力机制的齿轮箱故障诊断方法，其特征在于，其包括以下步骤： 步骤1：采集齿轮箱的震动信号数据，将一维振动信号数据转换为二维时频图片数据； 将采集到的振动信号分为连续的数据段，使用小波变换将一维的振动信号数据转变为二维时频图片数据，如下所示： ； 式中：表示经过小波变换后生成的二维时频图片数据组，具体为；表示t时刻采集到的振动信号；表示小波基函数；表示尺度因子；表示平移量；是采集振动信号的时间；s表示图片的总数；分别表示第1个、第2个…第s个二维时频图片数据组； 步骤2：将齿轮箱的二维时频图片数据组进行分组，获得训练集、验证集和测试集； 获取步骤1的二维时频图片数据组，将二维时频图片数据组按照7：2：1的比例进行划分，分别获得训练集、验证集和测试集；对训练集齿轮箱工作状态的二维时频图片数据进行删减，得到多个数据非均衡的训练集； 步骤3：构建齿轮箱故障诊断模型； 步骤31：构建空间变换网络，所述空间变换网络包括定位网络、网格生成器和采样器；将二维时频图片数据输入空间变换网络进行处理，输出结果如下所示： ； 式中：表示空间变换网络输出结果；表示空间变换网络； 所述定位网络是一个回归网络，经过通过隐藏层将时频图转换成回归参数，表达式如下所示： ； 式中：表示定位网络的输出向量；表示定位网络函数；U表示定位网络输入的时频图；R表示自然数；G、H和W分别表示定位网络的通道数、长度和宽度； 步骤32：构建改进后的深度残差网络模型，将步骤31的计算结果送入改进后的深度残差网络，所述改进后的深度残差网络的预测结果如下所示： ； 式中：表示改进后的深度残差网络模型的预测输出；分别表示第1个、第2个…第C个改进后的深度残差网络模型的预测输出结果；表示改进后的深度残差网络； 所述改进后的深度残差网络包括卷积层、批量归一化层、最大池化层、注意力机制模块和全局平均池化层； 所述注意力机制模块包含10个stage，每个stage结构相同，但模型参数不同； 步骤33：在所述改进后的深度残差网络模型中加入损失函数和激活函数；所述损失函数的输出结果如下所示： ； 式中：表示损失函数的输出结果；表示类别的实际标签；表示一个超参数；表示标签为的训练样本的数量；mi表示第i个改进后的深度残差网络模型的预测输出结果；i表示改进后的深度残差网络模型的预测输出结果编号，； 所述第i个改进后的深度残差网络模型的预测输出结果mi如下所示： ； 所述激活函数表达式如下所示： ； 式中：表示激活函数的输出结果；表示激活函数；表示激活函数的输入； 步骤4：完成齿轮箱故障诊断模型的训练，输出诊断结果； 重复步骤3对步骤2中的非均衡训练集进行训练，并使用验证集进行验证；根据测试集进行测试，并输出最终的故障诊断结果。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市河北大街西段438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。