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！

龙图腾网恭喜南京航空航天大学申请的专利一种机械设备故障诊断方法、装置及存储介质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：CN114925724B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210492062.3，技术领域涉及：G06F18/24；该发明授权一种机械设备故障诊断方法、装置及存储介质是由梁睿君;陈瑶;冉文丰;陈蔚芳设计研发完成，并于2022-05-07向国家知识产权局提交的专利申请。

本一种机械设备故障诊断方法、装置及存储介质在说明书摘要公布了：本发明提供了一种机械设备故障诊断方法、装置及存储介质，用于对齿轮箱中多个零部件同时出现、相互耦合的复合故障进行诊断，包含：步骤1：采集齿轮箱在不同工况下包含多种故障信息的振动信号；步骤2：对振动信号进行预处理；步骤3：搭建多通道输入和多任务分支的卷积神经网络模型；步骤4：将处理好的数据样本输入到步骤3搭建的故障诊断模型中，对模型进行训练；步骤5：将用于测试的齿轮箱振动信号输入到步骤4训练好的模型中，获取故障诊断结果。本发明提出的基于卷积神经网络故障诊断模型，能够保障故障特征完整性并实现多任务故障诊断，以更快和更准确地对故障类型及故障程度同时识别或者对包含多种故障模式的复合故障进行识别。

本发明授权一种机械设备故障诊断方法、装置及存储介质在权利要求书中公布了：1.一种机械设备故障诊断方法，其特征在于，包括以下步骤：步骤1：采集齿轮箱不同位置上各个方向的振动信号，对采集到的振动信号进行频谱分析进而选取振动敏感位置，采集齿轮箱敏感位置在不同工况下的n组振动信号；步骤2：对步骤1采集到的n组振动信号进行预处理，并添加故障标签，生成数据样本；步骤3：搭建多通道输入和多任务分支的卷积神经网络模型；步骤4：将步骤2生成的数据样本输入到步骤3搭建的卷积神经网络模型中，对模型进行训练；步骤5：将用于测试的齿轮箱振动信号输入到步骤4训练好的卷积神经网络模型中，基于模型输出的故障标签，进行故障模式识别，获取齿轮箱的故障诊断结果；步骤3中，所述卷积神经网络模型包括多通道输入、共享网络、M个任务分支以及复合损失函数；将采集到敏感位置上不同工况下的多组振动信号采用多通道输入的方式同时导入卷积神经网络模型；共享网络能够从振动信号中初步提取各个任务之间的共享特征；M个任务分支进一步提取每个诊断任务的特有特征；复合损失函数用于平衡不同任务之间的损失规模；所述卷积神经网络模型通过执行如下步骤完成模型特征提取过程及相关计算：步骤301：将经过步骤2预处理后的n组振动信号通过n个通道同时输入到步骤3搭建的卷积神经网络模型中进行训练，多通道输入的卷积结果为各个通道运算结果的叠加，如下所示： 式中，yi,j为多通道输入的卷积结果，c为特征序列的序号，W表示卷积核的尺寸，为第i个卷积核中第j'个权值，为第j'个被卷积的局部区域，表示第i个卷积核的偏置；步骤302：步骤301中的n组振动信号输入到卷积神经网络模型后，首先经过主干网络来学习多个任务的共享特征；主干网络共包括两个以上卷积池化模块，每个卷积池化模块均包括卷积层、批量归一化层、ReLU激活函数和池化层，每个卷积池化模块中的池化层均采用最大池化；步骤303：将步骤302中学习和提取到的共享特征输入到M个任务分支中，进行各个任务的特有特征的学习和提取，每个任务分支包括两个以上卷积池化模块，其中最后一个池化层采用全局平均池化，其余池化层均采用最大池化，全局平均池化的运算公式为： 其中，表示第l层第i个通道全局平均池化的输出值，V表示池化区域的大小，表示第i个通道的第t个特征值；在M个任务分支的全连接层中添加Softmax激活函数，用来估计属于不同类别的概率分布，表示如下： 4其中，Z为全连接层的输出值，hjZ为Z属于第j个分类的概率值，Zj为Z的第j个元素，C为一常数；步骤304：设置两个以上交叉熵损失函数Lf。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。