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！

龙图腾网恭喜山东中诚机械租赁有限公司申请的专利一种塔机轴承部件故障检查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：CN119622500B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510142253.0，技术领域涉及：G06F18/2413；该发明授权一种塔机轴承部件故障检查方法是由程相伟;董国举;赵玉玺;赵京运;侯岳;张纪艳;高纳;张辉;林涵;邢恩宏;单虹达;韩立旭;黄厚鹏;仝广宇设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本一种塔机轴承部件故障检查方法在说明书摘要公布了：本发明提出一种塔机轴承部件故障检查方法，具体涉及故障检查领域。该方法步骤包括：收集塔机轴承部件运行数据、预处理收集到的轴承部件运行数据、提出轴承部件故障检查模型、训练和测试轴承部件故障检查模型。轴承部件故障检查模型由增强编码模块、向量表示模块、选择机制模块和比较损失函数模块组成；增强编码模块通过递归加权因子调整每个输入样本的特征间的权重，将数据转换为高维向量表示；向量表示模块将向量切分、展平并映射到固定维度空间，并加入位置编码；选择机制模块通过自注意力机制提取关键特征，并根据权重筛选出最具判别力的部分；比较损失函数模块最大化同类样本相似度和最小化不同类样本相似度优化模型。

本发明授权一种塔机轴承部件故障检查方法在权利要求书中公布了：1.一种塔机轴承部件故障检查方法，其特征在于，包括以下步骤：S1、收集塔机轴承部件的运行数据，数据包括：轴承振动信号、温度、超声波信号、转速以及运行状态，将收集到的数据整合为塔机轴承部件故障检测的数据集，其中轴承的运行状态作为目标标签；S2、对收集的轴承部件运行数据进行预处理，采用均值插值法对采集到的数据中的缺失值进行填补，使用最大-最小归一化方法对数据进行标准化处理，以保证数据的尺度一致性；S3、提出轴承部件故障检查模型，具体方法包括：S31、构建增强编码模块，在编码过程中使用增强层提高轴承部件运行数据的表达能力，所述模块采用递归加权因子，自适应地调整各输入样本之间特征的权重分配，最终将每个样本的多个数据点转化为一个高维向量表示；使用编码器将每个数据点xi转化为其潜在空间的嵌入表示zi，每个样本的多个数据点转化为一个高维向量表示使用增强层实现，方法为：对于每个数据点xi，计算对应的查询、键和值向量，其中查询向量qi为当前输入特征对其他特征的关注程度，qi数学模型为：qi＝Wq·xi+bq；键向量ki为输入特征的相关性信息，ki数学模型为：ki＝Wk·xi+bk；值向量vi为输入数据本身的特征，vi数学模型为：vi＝Wv·xi+bv；式中，Wq、Wk、Wv为编码器学习的权重矩阵，bq、bk、bv为偏置项；随后进行增强层权重的计算，计算查询向量qi和键向量kj之间的相似度，得到增强层权重αij，在计算相似度过程中引入递归加权因子ct，相似度的计算使用欧式距离衡量，欧式距离的数学模型为： 通过计算相似度，为每个数据点分配加权因子，用于加权求和，加权因子的计算通过指数加权函数调整，数学模型为：wi＝exp-β·dqi,kj；式中，exp·为指数运算，β为控制加权灵敏度的超参数，决定加权的幅度；对每个数据点的加权嵌入进行递归计算，每轮加权过程根据前一轮加权结果调整当前权重，初始化数据点的嵌入ci＝qi，每轮计算中进行加权的数学模型为： 式中，γ为调节历史加权影响的超参数，为第t轮加权后的嵌入表示，为第t轮次的加权因子，为t-1轮的嵌入表示；通过动态递归加权因子调整增强层权重的计算，最终得到增强层权重αij，αij数学模型为：式中，n为样本特征数，为qi的转置运算，αij为最终的增强层权重，通过引入动态递归加权因子的方式，每个输入样本的特征间的增强层权重能够进行动态调整；随后使用计算得到的αij与值向量vj进行加权求和，得到最终的编码器输出zi，zi为数据点xi的潜在表示，zi数学模型为： 式中，zi为输入xi的编码表示，随后对每个样本中的每个数据进行潜在表示，对应的每个数据得到的潜在表示为[z1,z2,....,zn]，最终得到每个样本的全局潜在表示，数学模型为：Z＝Concatz1,z2,..,zn；式中，Concat·为拼接操作，Z为一个样本的全局潜在表示；S32、构建向量块表示模块，对每个样本的高维向量表示进行切块处理并将每个块展平成一个一维向量，通过映射方法将展平的向量转换到一个固定维度的高维空间中，并引入位置编码，得到嵌入后的序列表示；S33、构建选择机制模块，所述模块由多个注意力层构成，每一层注意力机制负责提取不同的特征信息，并结合特征选择机制，利用每层注意力层的自注意力权重，选择出最具判别能力的特征部分；S34、构建比较损失函数，通过优化同类样本间的相似度最大化损失与不同类样本间的相似度最小化损失，优化模型的分类性能；S4、进行模型训练，采用适当的训练策略对模型中的超参数进行调整，通过迭代优化，训练得到最终的轴承部件故障检查模型；S5、将训练好的模型应用于实际测试环境中，进行故障检测任务，以验证其在真实应用场景中的检测精度与效果。

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山东中诚机械租赁有限公司，其通讯地址为：250000 山东省济南市历城区唐冶街道办事处南楼302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”。