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！

龙图腾网获悉安徽大学申请的专利基于神经网络模型的齿轮箱故障检测方法、装置及设备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：CN120632642B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511115807.4，技术领域涉及：G06F18/2415；该发明授权基于神经网络模型的齿轮箱故障检测方法、装置及设备是由竺德;程红斌;赵大卫;孙冬;高清维设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本基于神经网络模型的齿轮箱故障检测方法、装置及设备在说明书摘要公布了：本公开涉及基于神经网络的故障检测的技术领域，公开了一种基于神经网络模型的齿轮箱故障检测方法、装置及设备，包括：样本振动信号进行小波变换生成时频图像，经灰度化与归一化得正常及原始故障样本；利用扩散模型增强原始故障样本，生成合成样本；基于多高斯核函数计算分布差异，并提取深层特征，评估合成样本质量，合格则用于训练，否则重新生成；构建包含正常、原始与合成样本的训练数据集，训练初始残差网络获得目标模型；对目标齿轮箱振动信号进行相同预处理后输入模型，实现故障类型检测。以上方法解决了齿轮箱故障诊断中的数据不平衡、特征提取困难和诊断精度不足问题，提升了模型的故障识别准确率。

本发明授权基于神经网络模型的齿轮箱故障检测方法、装置及设备在权利要求书中公布了：1.一种基于神经网络模型的齿轮箱故障检测方法，其特征在于，包括： 对样本齿轮箱运行过程中的振动信号进行预处理，通过小波变换将振动信号转换为时频图像，并进行灰度处理及归一化，获得正常状态下的正常样本和故障状态下的原始故障样本； 利用扩散模型对预设数量的原始故障样本进行数据增强，通过前向加噪与反向去噪机制生成合成故障样本； 通过计算原始故障样本与对应的合成故障样本之间的分布差异、以及提取每个原始故障样本与合成故障样本的深层特征，分别获得整体均值差异值和整体轮廓系数，并基于整体均值差异值和整体轮廓系数确定合成故障样本的质量； 在确定合成故障样本的质量合格时，允许使用合成故障样本； 在确定合成故障样本的质量不合格时，调整扩散模型的随机采样策略，利用扩散模型重新生成合成故障样本； 基于正常样本、原始故障样本和合成故障样本构建训练数据集，基于训练数据集训练初始残差网络模型，获得训练好的目标残差网络模型； 对目标齿轮箱运行过程中的振动信号进行预处理，通过小波变换将振动信号转换为时频图像，并进行灰度处理及归一化后输入至目标残差网络模型，基于目标残差网络模型检测目标齿轮箱的故障类型， 其中，所述目标残差网络模型包括卷积核、视觉变换器、批量归一化层、最大池化层、注意力机制层、全局平均池化层，并且 其中，所述注意力机制层包括接收输入特征的通道注意力模块和输出精炼特征的空间注意力模块。

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安徽大学，其通讯地址为：230031 安徽省合肥市肥西路3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。