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！

龙图腾网获悉安徽理工大学申请的专利基于多尺度图Transformer的滚动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：CN116738367B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202310730201.6，技术领域涉及：G06F18/25；该发明授权基于多尺度图Transformer的滚动轴承故障诊断方法是由苏树智;卢浩龙;朱彦敏设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本基于多尺度图Transformer的滚动轴承故障诊断方法在说明书摘要公布了：本发明公开了一种多尺度图Transformer的滚动轴承故障诊断方法，提出了一种新的图节点特征聚合模型，将图节点的每个邻域特征信息聚合到中心节点的特征表示，使用Transformer对重要的节点信息提高利用率，以增强特征表示。实现过程为：1对于采集到的原始轴承故障数据进行小波变换得到故障时频表示节点，利用每个故障时频表示节点的前k个故障时频表示节点来构建邻接矩阵；2通过多尺度特征聚合模块聚合故障时频表示节点的多尺度特征信息，然后构建故障时频表示节点结构编码来保存故障时频表示节点的结构信息，再输入到Transformer模块中进行特征提取；3使用SoftMax分类器对提取的故障特征进行分类。实验结果表明本发明方法是一种有效的故障诊断方法。

本发明授权基于多尺度图Transformer的滚动轴承故障诊断方法在权利要求书中公布了：1.一种多尺度图Transformer的滚动轴承故障诊断方法，其特征在于该方法包括如下步骤：（1）通过传感器采集原始轴承故障数据，通过滑动窗口对数据进行增强，得到数据增强后的故障数据；通过连续小波变换得到同时包含时域和频域信息的故障时频表示节点；（2）通过计算两个故障时频表示节点之间的距离，利用每个故障时频表示节点的前个故障时频表示节点来构建邻接矩阵，得到故障时频表示节点的特征矩阵和邻接矩阵；（3）通过多尺度图Transformer故障诊断模型对故障时频表示节点进行特征提取和学习表示，具体实现方式如下：对于故障时频表示节点和，设为的阶邻域，其中表示和之间的最短路径距离；定义，即当为0时，0阶邻域为节点本身特征；在多尺度特征聚合模块中使用聚合算子将聚合为故障时频表示节点的阶邻域特征聚合，该特征聚合的计算公式为： ，通过上述公式计算故障时频表示节点的邻域特征为，其中固定为超参数；则对于每个故障时频表示节点可以生成对应的多尺度邻域特征；通过操作将个尺度的邻域特征信息聚合： ，其中表示节点初始特征聚合了阶邻域节点之后的特征；则故障时频表示节点的特征矩阵将扩充为，并能够包含故障特征表示节点的多尺度特征信息；（3b）构建故障时频表示节点的中心性编码来保存故障时频表示节点的结构信息，具体实现过程如下：根据故障时频表示节点的特征矩阵求得度矩阵，将故障时频表示节点的度为每个节点嵌入中心性信息；可以直接添加到故障时频表示节点的特征中作为编码器的输入，表示为： ，其中为故障时频表示节点的特征；构建Transformer模块：Transformer编码器由两个主要模块组成：自我注意力模块和前馈神经网络；在自我注意力模块中，首先通过线性投影将故障时频表示节点特征投影到查询矩阵、关键字矩阵和值矩阵，使得，可以通过下式来计算自我注意力，其中是指的维度，是可学习的参数；多头注意力将多个上式连接在一起；自我注意力的输出再输入到前馈网络共同组成Transformer编码器，该Transformer编码器的计算公式如下： ，进而堆叠六个编码器来形成Transformer模块；（3c）构建故障时频表示节点的中心性编码来保存故障时频表示节点的结构信息，具体实现过程如下：根据故障时频表示节点的特征矩阵求得度矩阵，将故障时频表示节点的度为每个节点嵌入中心性信息，可以直接添加到故障时频表示节点的特征中作为Transformer模块的输入，表示为：，其中为故障时频表示节点的特征；（3d）将得到嵌入结构信息的多尺度故障特征输入到Transformer模块中，进行特征提取；（3e）利用Transformer模块来提取故障时频表示节点的故障特征，并通过全连接层进行特征重组；（4）使用SoftMax分类器对故障时频表示节点进行分类。

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理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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”。