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！

龙图腾网获悉青岛理工大学申请的专利一种大功率齿轮箱运行工况识别与风险预警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：CN120832577B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202511331398.1，技术领域涉及：G06F18/241；该发明授权一种大功率齿轮箱运行工况识别与风险预警方法是由张丽莉;刘富豪;曲大义;蒋汉军;张介禄;姜勇设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种大功率齿轮箱运行工况识别与风险预警方法在说明书摘要公布了：本发明提供了一种大功率齿轮箱运行工况识别与风险预警方法，属于基于深度学习的齿轮箱风险预警技术领域；首先，基于多类传感器采集大功率齿轮箱在多工况下的运行数据，并预处理形成时序数据集；然后，设计多分支特征提取模型，以先验知识为指导，分别提取断齿、轴承故障、轴向位移和齿侧间隙变化等特定工况的深度特征；进而构建齿轮箱运行工况识别模型，通过基于注意力机制的特征融合、Transformer增强建模与图推理网络，实现多标签工况识别与置信度评估；最后，设计多级动态预警模块，综合瞬时状态、演化趋势与预后评估触发分级预警，保障大功率齿轮箱安全稳定运行。本发明提高了复杂工况与多故障并发情形的识别准确率与泛化性能。

本发明授权一种大功率齿轮箱运行工况识别与风险预警方法在权利要求书中公布了：1.一种大功率齿轮箱运行工况识别与风险预警方法，其特征在于，包括以下步骤： S1，基于多类传感器采集大功率齿轮箱实时运行数据，包括轴承振动信号数据、轴向位移数据、齿轮振动信号数据、轴承温度场数据、齿轮温度场数据和金属颗粒数量数据； S2，将S1采集的数据输入到训练完成的多分支特征提取模型，首先基于齿轮箱工况特征提取主干网络提取齿轮箱工况多源数据时间依赖深度特征，然后基于多分支提取网络共享多源数据时间依赖深度特征，输出断齿工况时序增强特征、轴承故障工况深度特征、轴向位移工况深度特征和齿侧间隙变化工况深度特征； 所述多分支特征提取模型包括齿轮箱工况特征提取主干网络、断齿工况特征提取分支网络、轴承故障工况特征提取分支网络、轴向位移工况特征提取分支网络和齿侧间隙变化工况特征提取分支网络； 所述齿轮箱工况特征提取主干网络以轴承振动信号数据、轴向位移数据、齿轮振动信号数据、轴承温度场数据、齿轮温度场数据和金属颗粒数量数据组成的齿轮箱工况多源数据作为输入，获得齿轮箱工况多源数据时间依赖深度特征，包括齿轮振动信号数据时间依赖深度特征、齿轮温度场数据时间依赖深度特征、轴承振动信号数据时间依赖深度特征、轴承温度场数据时间依赖深度特征、金属颗粒数量数据时间依赖深度特征和轴向位移数据时间依赖深度特征； 所述断齿工况特征提取分支网络输入为齿轮振动信号数据时间依赖深度特征和齿轮温度场数据时间依赖深度特征，输出断齿工况时序增强特征； 所述轴承故障工况特征提取分支网络输入为轴承振动信号数据时间依赖深度特征、轴承温度场数据时间依赖深度特征和金属颗粒数量数据时间依赖深度特征，输出为轴承故障工况深度特征； 所述轴向位移工况特征提取分支网络输入为轴承振动信号数据时间依赖深度特征，输出为轴向位移工况深度特征； 所述齿侧间隙变化工况特征提取分支网络输入为齿轮振动信号数据时间依赖深度特征，输出为齿侧间隙变化工况深度特征； S3，将S2得到的四种特征输入训练完成的齿轮箱运行工况识别模型，模型采用多特征融合机制和对多标签分类任务建模方法对齿轮箱的当前运行工况进行预测，获取断齿、轴承故障、轴向位移和齿侧间隙四种预测结果及其对应置信度； 所述齿轮箱运行工况识别模型包括特征加权融合网络、工况感知增强网络和多标签工况识别网络； 所述特征加权融合网络作为齿轮箱运行工况识别模型的前置层，接收来自多分支特征提取模型的断齿时序增强特征、轴承故障工况深度特征、轴向位移工况深度特征和齿侧间隙变化工况深度特征，基于注意力机制及特征加权，得到断齿工况注意力特征、轴承故障工况注意力特征、轴向位移工况注意力特征和齿侧间隙变化工况注意力特征；将特征加权融合网络输出的各工况注意力特征输入工况感知增强网络，经过个堆叠的Transformer编码器对工况注意力特征进行逐层特征增强，输出断齿工况感知增强特征、轴承故障工况感知增强特征、轴向位移工况感知增强特征和齿侧间隙变化工况感知增强特征；将四种增强特征输入多标签工况识别网络，输出工况预测结果及其置信度，所述多标签工况识别网络首先构建工况关联图，其次采用图注意力网络进行工况识别与预测； S4，基于S3得到的预测结果及置信度，通过预设的风险预警策略进行相应预警。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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。