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！

龙图腾网获悉湖南师范大学申请的专利基于图注意力DQN强化学习的电机维修决策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：CN121283128B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511841913.0，技术领域涉及：H02K15/50；该发明授权基于图注意力DQN强化学习的电机维修决策方法是由马天雨;孙世浩设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本基于图注意力DQN强化学习的电机维修决策方法在说明书摘要公布了：本申请提出了基于图注意力DQN强化学习的电机维修决策方法。分别采用GRU、1D‑CNN和双谱估计法提取电机的时域特征、频域特征和周期性故障特征；将维修方案节点、故障类型节点和电机特征节点相连接构造“电机特征‑故障类型‑维修方案”三元图；基于跨模态注意力融合方法将三种电机特征融合得到三元图中故障类型节点属性；采用GAT聚合三元图中故障类型节点和维修方案节点属性，选择GRU作为DQN强化学习智能体计算动作和评估价值；构建包含故障缓解评分、维修成本惩罚、维修步骤惩罚和稳定性评分的奖励函数。本申请提出基于图注意力DQN强化学习的电机维修决策方法，实现电机维修方案精准推荐方法的高效学习。

本发明授权基于图注意力DQN强化学习的电机维修决策方法在权利要求书中公布了：1.基于图注意力DQN强化学习的电机维修决策方法，其特征在于： 电机有定子、转子和轴承三大组件，采集定子高频电流数据、转子高频振动数据和轴承高频振动数据，分别采用GRU、1D-CNN和双谱估计法提取电机的时域特征、频域特征和周期性故障特征； 将各个故障类型节点与电机特征节点全连接，将各个维修方案节点与故障类型节点全连接，构造“电机特征-故障类型-维修方案”三元图； 时域特征、频域特征和周期性故障特征三个矩阵的行数相同，对应每一个电机，通过跨模态注意力融合方法将各电机对应的时域特征、频域特征、周期性故障特征进行融合，将周期性故障特征矩阵经过线性映射得到查询矩阵，分别对时域特征和频域特征进行线性映射得到两组与时域和频域对应的键矩阵、和值矩阵、，利用查询矩阵与两个键矩阵计算得到两个对应时域和频域的权重矩阵、，利用该权重矩阵将两个值矩阵进行加权融合得融合特征，再将周期性故障特征与融合特征进行累加计算得到三元图中故障类型节点属性，通过GAT聚合故障类型节点属性得到维修方案节点属性即电机运行状态，选择GRU1作为RainbowDQN在线网络,拼接两种节点属性得到评估属性矩阵H作为GRU1的输入，GRU1输出维修方案对应的Q值分布，选择结构与GRU1相同的GRU2作为RainbowDQN目标网络，用于RainbowDQN在线网络的训练； 构建包含故障缓解评分、维修成本惩罚、维修步骤惩罚、稳定性评分的奖励函数。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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。