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！

龙图腾网获悉合肥工业大学申请的专利基于多尺度双重特征强化的故障诊断方法和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：CN119577535B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411617125.9，技术领域涉及：G06F18/241；该发明授权基于多尺度双重特征强化的故障诊断方法和系统是由周谧;陈洋洋;钱晓飞;郑锐;胡朝明设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于多尺度双重特征强化的故障诊断方法和系统在说明书摘要公布了：本发明提供一种基于多尺度双重特征强化的故障诊断方法和系统，涉及故障诊断技术领域。本发明通过故障识别模型对滚动轴承的故障缺陷进行分类，其中故障识别模型包括特征选择模块、多尺度特征提取模块和特征融合及输出模块；判别性特征强化机制无缝嵌入至特征选择模块和多尺度特征提取模块以强化故障特征，所述判别性特征强化机制中包含两个模块分别是多谱通道注意力机制和双路径激励注意力机制。本发明通过提取不同尺度的丰富故障特征信息，并通过判别性特征强化机制既实现了对通道间相互依赖的细粒度关注，又能强调时间轴上故障信号中脉冲激励段的重要信息，从而有效降低噪声、工况变化等无关信息对最终任务的影响，提高模型故障诊断精度。

本发明授权基于多尺度双重特征强化的故障诊断方法和系统在权利要求书中公布了：1.一种基于多尺度双重特征强化的故障诊断，其特征在于，包括： 获取包括若干不同故障缺陷的滚动轴承在一定时间段下的振动信号； 对若干振动信号进行预处理，得到数据集； 通过数据集对预先构建的判别性特征强化机制的多尺度卷积神经网络进行训练和优化，得到故障识别模型，所述故障识别模型用于对滚动轴承的故障缺陷进行分类； 其中，所述预先构建的判别性特征强化机制的多尺度卷积神经网络包括特征选择模块、多尺度特征提取模块和特征融合及输出模块；其中，特征选择模块和多尺度特征提取模块中嵌入判别性特征强化机制以强化故障特征，所述判别性特征强化机制中包括多谱通道注意力机制和双路径激励注意力机制； 其中，所述特征融合及输出模块包括融合通道、全局平均池化层、全连接层；在特征融合及输出模块中，使用多谱通道注意力机制对沿通道融合的特征进行自适应调整；通过全局平均池化层对调整后的融合特征进行减少特征参数处理，全局平均池化层的输出输入到全连接层，全连接层的输出经过Softmax函数输出故障分类结果； 所述多谱通道注意力机制中的数据处理过程包括： 通过傅里叶变换将时序信号输入转换为频域，具体包括： 将输入特征X表示为X＝[X0，X1，...，Xc-1]，其中i∈{0，1，…，c-1}，N为信号长度，将时序输入转换为频域： 其中，FFT·为FFT函数，是第i个通道上的第j个频率分量； 对频域分量进行分块并加权，具体包括： 按照频率分量的大小将每个通道的频率成分划分为低频段、中频段和高频段三个部分，并加权得到各频段权重 其中，σ是sigmoid函数，f·是ReLU激活函数，Conv·是卷积操作；表示第i个通道上的第k个频段的权重，k＝1，2，3，分别表示低频段、中频段和高频段； 将各频段权重进行综合，实现通道重校准，具体包括： 其中，是最终每个通道的权重，是逐元素相乘，将权重Wci与对应频率分量相乘得到重校准后的频率特征XFi，经过逆傅里叶变换IFFT·得到时序重校准特征向量 利用残差学习的思想，引入残差连接，得到多谱通道注意力特征XMSCAM：

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。