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！

龙图腾网获悉合肥热电集团有限公司申请的专利一种基于深度学习的轴承复合故障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：CN120846673B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511116176.8，技术领域涉及：G01M13/045；该发明授权一种基于深度学习的轴承复合故障诊断方法是由李黎;王刚;魏久檗;刘倩倩;马章磊;陶睿雪;司文;孙凯设计研发完成，并于2025-08-11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轴承复合故障诊断方法在说明书摘要公布了：本发明提供一种基于深度学习的轴承复合故障诊断方法，该方法包括：利用CNN‑RNN混合网络分离复合故障振动信号为单一故障子信号；通过故障交互注意力模块量化故障间影响关系，动态生成特征权重并重加权特征矩阵；采用故障影响度评估网络输出影响系，结合校正公式自适应补偿诊断偏差。本发明基于深度学习模型，通过引入故障交互注意力机制，能够自动学习和量化不同故障类型之间的相互影响关系，自适应调整特征权重，有效减轻复合故障之间的干扰，提高诊断准确性；同时通过复合故障影响度量化与自适应校正机制，建立故障交互知识库和自适应校正算法，有效补偿了故障间相互影响带来的诊断偏差，为轴承故障诊断提供更可靠的技术支持。

本发明授权一种基于深度学习的轴承复合故障诊断方法在权利要求书中公布了：1.一种基于深度学习的轴承复合故障诊断方法，其特征在于，包括以下步骤： S1、采集轴承运行过程中的振动信号并进行预处理，得到预处理后的振动信号； S2、构建基于特征重塑的CNN-RNN混合分离网络并进行训练优化，通过训练好的混合分离网络将预处理后的振动信号分离为单一的故障子信号； S3、在CNN网络模型的基础上增加故障交互注意力机制模块，通过改进的CNN网络模型对故障子信号进行深度特征提取，获取单一故障的特征向量； 所述故障交互注意力机制模块基于复合特征矩阵计算故障特征关联矩阵，并生成自适应权重对特征矩阵进行重加权； S4、采用多层感知机结构构建基于深度学习的故障影响度评估网络并进行训练优化，通过训练好的故障影响度评估网络对单一故障的特征向量进行故障诊断，并通过复合故障影响度自适应校正； 所述故障影响度评估网络的输入为故障组合的one-hot编码，输出为每个故障类型的影响系数，所述影响系数用于对初步诊断结果进行自适应校正；所述自适应校正具体包括： S41、将单一故障的特征向量输入多层感知机获得初步故障概率； S42、通过故障影响度评估网络生成影响系数； S43、利用影响系数对初步诊断结果进行自适应校正，补偿故障间相互影响带来的诊断偏差；该步骤可以通过以下公式进行表示： ； 公式中：表示第种故障的影响系数；表示第种故障的原始预测概率，表示校正后的概率；表示第种故障的原始预测概率。

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合肥热电集团有限公司，其通讯地址为：230000 安徽省合肥市蜀山区休宁路66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。