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！

龙图腾网获悉中国海洋大学申请的专利一种基于数据融合的风机齿轮箱故障诊断方法及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：CN121388560B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511922725.0，技术领域涉及：G06F18/213；该发明授权一种基于数据融合的风机齿轮箱故障诊断方法及系统是由谢迎春;孟宋萍;袁昊训;秦金;刘杰设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于数据融合的风机齿轮箱故障诊断方法及系统在说明书摘要公布了：本申请属于风机齿轮箱故障诊断技术领域，具体涉及一种基于数据融合的风机齿轮箱故障诊断方法及系统，包括数据采集单元、数据处理单元和输出单元，提取风机齿轮箱振动数据的不同尺度的特征，并使用多尺度卷积模块实现特征融合，该方法能够有效缓解单一尺度特征无法精准表达故障信息的不足，多个尺度特征互相补充，提高故障的检测效率，增强抗干扰能力。

本发明授权一种基于数据融合的风机齿轮箱故障诊断方法及系统在权利要求书中公布了：1.一种基于数据融合的风机齿轮箱故障诊断方法，其特征在于，包括以下步骤： S1.根据采集的风机齿轮箱振动数据构建数据集； S2.对所构建的数据集进行数据处理，并根据转速对时间序列数据进行分组； S3.提取每个数据样本的时域、频域、小波包分解后的衍生特征以及基于局部特征尺度分解的谱熵特征； S4.对提取的特征通过多尺度卷积模块进行特征融合，得到最终的数据特征表达； S41.将提取的各类特征向量直接拼接得到，即，为多尺度卷积模块的输入； S411.输入经过一个卷积核为的卷积层得到，该卷积层可以增加通道数，使得数据能够与下一个卷积层交互; S412.经过三个不同操作得到、和，三个操作分别为复制、卷积核为的卷积层和卷积核为的卷积层; S413.、和进行卷积核为的卷积操作分别得到、和; S42.将、和拼接得到，为所提出的多尺度特征提取及融合方法的最终输出； S5.将特征数据首先输入数据映射层，得到齿轮箱特征数据在隐藏空间的表达； 对于给定的输入样本，X由特征数据构成，通过如下线性变换实现对输入数据在隐藏空间的特征表达，并满足多头注意力模块的维度要求： 4； 其中，为映射权重矩阵，为偏置向量,为映射后的特征表示，为隐藏空间维度，B为输入数据的批次大小，L为序列长度，Din为输入维度； S6.构建多头注意力模型，发掘特征数据中的全局和局部依赖关系； S61.单头注意力计算； S62.多头注意力通过拼接所有头的输出并进行线性变换得到； S63.多头注意力输出后，加上残差连接并进行层归一化得到； S64.FFN输出后再次进行残差连接和层归一化得到： 13； 完整的层自注意力层堆叠过程为： 14； 最终自注意力模块的输出为： 15； S7.构建分类器，输出具体故障类型； 采用三层KAN网络结构,其中为故障类别数： KAN网络的前向传播过程为： 16； 17； 18； 其中为第层的KAN变换，为第一层输出，为第二层输出; 每层变换由一系列可学习的B样条基函数组成： 19； 其中为第个B样条基函数，为上述、或，为可学习权重； 最终输出为各故障类别的预测概率分布，即最终风机齿轮箱故障诊断结果。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。