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！

龙图腾网恭喜南京工业大学申请的专利噪声环境下基于ViTCapsNet网络的变工况迁移轴承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：CN119202905B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411681856.X，技术领域涉及：G06F18/2415；该发明授权噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法是由徐坤;任万凯;缪小冬;王华;赵珣;丁鹏设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法在说明书摘要公布了：本发明公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViTEncoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。

本发明授权噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法在权利要求书中公布了：1.一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，其特征在于，包括以下步骤：步骤1、首先获取25.6kHz采样频率下轴承振动信号；然后向轴承振动信号数据集加入不同信噪比的高斯白噪声，对添加噪声后的轴承振动信号数据先采用滑动窗口方法进行数据增强；接着将增强后的数据使用连续小波变换进行时频变换转换成二维小波时频图像，将所有二维小波时频图像划分训练集和测试集；步骤2、构建ViTCapsNet网络故障诊断模型，使用训练集对ViTCapsNet网络故障诊断模型进行训练，所述ViTCapsNet网络故障诊断模型依次包括两部分：基于ViT注意力机制的编码器Encoder模块和胶囊网络CapsNet；步骤2.1、构建基于ViT注意力机制的编码器Encoder模块，将步骤1所得二维小波时频图像输入使用训练好的编码器Encoder模块，提取全局特征，具体方法为：步骤2.1.1、输入编码器Encoder模块前，先通过Embeddings模块将二维时频图像进行图像分割，转换成一维时序序列，并添加可学习的位置编码和类标记Classtoken，得到嵌入式序列；步骤2.1.2、首先，通过多个缩放点积注意力层的多头注意力机制来计算所得嵌入式序列的相似性，依据相似性分配权重来分配权重，并将各个权重聚合叠加得到；然后，搭建多层感知机MLP，多层感知机MLP包括两个全连接层，第一个FC层将原有的维度扩展到原有维度的4倍，第二个FC层将维度恢复到原始维度；最后，循环运行4次编码器Encoder模块，获得全局特征；步骤2.2、构建胶囊网络CapsNet，使用胶囊网络捕捉特征与特征之间的局部特征，然后根据提取的局部特征进行故障诊断分类；步骤3、使用步骤1的测试集对ViTCapsNet网络故障诊断模型进行故障诊断效果测试，训练所得ViTCapsNet网络故障诊断模型的内部权值和耦合系数固定，使用真实数据对其诊断效果进行验证；步骤4、验证ViTCapsNet网络故障诊断模型在不同噪声下的诊断效果，在相同迁移情况下使用不同噪声下进行多次实验，并绘制小提琴图和箱型图来观察故障诊断的效果；步骤5、引入梯度加权类激活热力图Grad-CAM对编码器Encoder模块提取的特征进行可视化。

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南京工业大学，其通讯地址为：210000 江苏省南京市浦口区浦珠南路30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”。