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！

龙图腾网获悉安徽工业大学申请的专利一种多通道融合神经网络的设备状态诊断方法及系统、电子设备、计算机可读介质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：CN119622592B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202411805030.X，技术领域涉及：G06F18/2433；该发明授权一种多通道融合神经网络的设备状态诊断方法及系统、电子设备、计算机可读介质是由费习宏;贺子健;徐爽;沈浩;王康;方挺设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种多通道融合神经网络的设备状态诊断方法及系统、电子设备、计算机可读介质在说明书摘要公布了：本发明公开了一种多通道融合神经网络的设备状态诊断方法及系统、电子设备、计算机可读介质，方法包括：采集布置在设备的传感器数据，并进行预处理，构建设备状态多通道数据；将设备状态多通道数据输入到多分量信号分析模型，其中使用经验模态分解模型得到设备状态分解信号；将设备状态分解信号输入到非负矩阵分解模型，分离出独立源设备状态信号；结合改进的希尔伯特‑黄变换对独立源设备状态信号进行时频域特征提取，得到时频域特征结果，并从时频域特征结果重构出设备状态时频图；对设备状态时频图输入到基于多尺度稀疏时频卷积网络模型，得到设备状态诊断结果。本发明通过获取设备的多通道数据实现设备故障诊断，提升了诊断准确度。

本发明授权一种多通道融合神经网络的设备状态诊断方法及系统、电子设备、计算机可读介质在权利要求书中公布了：1.一种多通道融合神经网络的设备状态诊断方法，其特征在于，包括： 步骤S1：采集布置在设备的传感器数据，并进行预处理，从而构建出设备状态多通道数据； 步骤S2：将所述的设备状态多通道数据输入到多分量信号分析模型，多分量信号分析模型包括经验模态分解模型、非负矩阵分解模型，其中使用经验模态分解模型从设备状态多通道数据得到设备状态分解信号；将所述的设备状态分解信号输入到非负矩阵分解模型，分离出独立源设备状态信号；结合改进的希尔伯特-黄变换对所述的独立源设备状态信号进行时频域特征提取，得到时频域特征结果，并从所述的时频域特征结果重构出设备状态时频特征图； 步骤S3：将所述的设备状态时频特征图输入到基于多尺度稀疏时频卷积网络模型，得到设备状态诊断结果，包括： 步骤S31：将所述的设备状态时频特征图使用多尺度的卷积核进行卷积操作，根据下述公式5，得到设备状态时频特征结果； 5 其中，表示卷积输出，是第层第个通道的卷积核，是时频特征图特征向量，是卷积操作权重向量第行，是卷积操作权重向量第列，是时频特征图特征向量第行，是时频特征图特征向量第列，是激活函数，是偏置项； 步骤S32：将所述的设备状态时频特征结果使用稀疏正则化，根据下述公式6，进行稀疏化操作，得到稀疏性卷积输出结果； 6 其中，表示正则化系数； 步骤S33：将所述的稀疏性卷积输出结果采用特征级联操作进行融合，根据下述公式7，得到融合后的特征图结果； 7 步骤S34：将所述的特征图结果引入注意力机制操作，根据下述公式8，得到注意力加权后的特征图；是注意力权重； 8 其中，表示对特征图上第，位置的特征进行的评分函数，是特征图第行，是特征图第列； 步骤S35：将所述的注意力加权后的特征图采用最大池化进行多尺度下采样，并将经过下采样处理的特征图输入全连接层，其中全连接层将特征图展平成一维特征向量，通过softmax激活函数输出故障类别的概率，进行设备状态的故障诊断。

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工业大学，其通讯地址为：243002 安徽省马鞍山市湖东路59号安徽工业大学；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。