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！

龙图腾网获悉大连祥瑞阀门制造有限公司申请的专利一种基于深度学习的阀门启闭状态识别与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：CN120976838B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511508356.0，技术领域涉及：G06V20/40；该发明授权一种基于深度学习的阀门启闭状态识别与诊断方法是由刘长河;姜国祥设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于深度学习的阀门启闭状态识别与诊断方法在说明书摘要公布了：本发明公开了一种基于深度学习的阀门启闭状态识别与诊断方法，包括：采集并同步多源信号，生成标准化多模态时序样本；多分支提取模态特征并融合为联合特征向量序列；联合特征输入相变分层解码器，输出分层识别结果；构建点过程层建模相变阶段内的多类异常事件，输出事件建模结果；构建条件可逆生成诊断器，输出一致性校核结果；融合结果输出状态与诊断信息并执行报警与归档。本发明通过多模态深度学习特征融合、相变分层解码与条件建模，实现阀门启闭状态的精准识别、相变阶段的精细划分及早期故障的智能诊断。

本发明授权一种基于深度学习的阀门启闭状态识别与诊断方法在权利要求书中公布了：1.一种基于深度学习的阀门启闭状态识别与诊断方法，其特征在于，包括： 采集阀门运行过程中的声学信号、振动信号、电气信号、视频信号与执行机构控制量信号，基于统一时间基准进行毫秒级同步，执行去噪、分段与归一化处理，对声学信号与振动信号进行时频变换得到时频谱图，对电气信号与视频信号进行幅值与形态标准化，形成多模态时序样本； 将时频谱图输入时频卷积分支，将电气信号输入时序建模分支，将视频信号输入轻量图像分支，分别提取得到分支特征，通过跨模态交互注意力融合生成联合特征向量序列； 将联合特征向量序列输入相变分层解码器，按层次输出分层识别结果，确定相变阶段时间窗口并输出开度曲线； 在相变阶段时间窗口内，基于联合特征向量序列构建相变条件点过程层，采用神经Hawkes点过程对限位冲击事件、卡滞微脉冲事件与泄漏声纹簇事件的到达时间与发生强度进行建模，输出事件建模结果； 以相变阶段序列与开度曲线，以及执行机构控制量信号构成条件集合，构建条件可逆生成诊断器，对多模态时序样本进行条件生成与可逆重构，输出一致性校核结果； 对分层识别结果、事件建模结果与一致性校核结果进行融合，得到阀门启闭状态、开度、相变阶段、故障类型与严重度评分，当超过预设阈值时触发报警并下发联动控制指令，同时执行漂移监测与再校准并归档诊断结果； 所述将联合特征向量序列输入相变分层解码器，按层次输出分层识别结果，确定相变阶段时间窗口并输出开度曲线，包括： 构建相变分层解码器，所述相变分层解码器由第一层状态解码层、第二层阶段解码层与第三层故障解码层组成，将联合特征向量序列输入相变分层解码器； 在第一层状态解码层中，对联合特征向量序列按时间顺序进行解码，输出启闭状态序列； 在第二层阶段解码层中，基于预设的相位顺序掩码，仅允许启动阶段与加速阶段、加速阶段与稳定阶段、稳定阶段与减速阶段、减速阶段与限位接触阶段之间的信息传递，并结合启闭状态序列与执行机构控制量信号施加单调门控规则，输出相变阶段序列并确定相变阶段时间窗口； 在第三层故障解码层中，依据启闭状态序列与相变阶段序列在阶段特定的故障路径之间，进行上下文路由，输出与各相变阶段对应的故障初判标签序列； 由相变分层解码器内置的开度回归头，在启闭状态序列与相变阶段序列的共同约束下输出与相变阶段时间窗口对齐的开度曲线，并将启闭状态序列、相变阶段序列与故障初判标签序列统称为分层识别结果。

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大连祥瑞阀门制造有限公司，其通讯地址为：116000 辽宁省大连市甘井子区辛逢街12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。