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！

龙图腾网恭喜西安电子科技大学申请的专利一种故障预测方法及系统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：CN117195953B 。

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：202210593198.3，技术领域涉及：G06N3/0442；该发明授权一种故障预测方法及系统是由杨清海;王梦瑶;刘佳宜;武艳设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本一种故障预测方法及系统在说明书摘要公布了：本发明属于通信技术领域，具体涉及一种故障预测方法及系统。克服现有方法存在诊断精确度低、泛化能力弱的问题。在进行故障预测之前，利用生产过程中的历史数据对故障预测模型进行离线训练，并保存训练完成的模型参数。在进行故障预测时，首先按照预定的规则对生产过程中的设备状态数据进行预处理，预处理后的数据通过训练好的数据预测模型预测未来时刻的设备状态数据。然后用训练好的故障诊断模型对预测的未来时刻的设备状态数据进行故障诊断，得到故障预测的结果，本发明故障诊断准确度高的同时具有较强的泛化能力。

本发明授权一种故障预测方法及系统在权利要求书中公布了：1.一种故障预测方法，其特征在于：包括故障预测系统离线训练过程及故障预测系统在线推理过程；其中，故障预测系统离线训练过程为：根据生产过程中的历史数据对数据预测模型和故障诊断模型进行训练；数据预测模型为基于注意力机制的MKCNN-LSTM模型，故障诊断模型为MFSCNN模型；其中，故障预测系统在线推理过程为：首先按照预定的规则对生产过程中的设备状态数据进行预处理；之后通过训练完成的数据预测模型对预处理后的生产过程中的设备状态数据进行数据预测，获得未来时刻的设备状态数据；最后，通过训练完成的故障诊断模型对未来时刻的设备状态数据进行故障诊断，得到故障预测的结果；基于注意力机制的MKCNN-LSTM模型包括两个卷积模块、一个基于注意力机制的LSTM模块和一个全连接层；其中各卷积模块用于分别通过不同大小的卷积核对输入信号进行卷积；基于注意力机制的LSTM模块用于对卷积模块学习的特征进行预测；全连接层用于将基于注意力机制的LSTM模块输出的信息进行整合，得到最终的预测结果；MFSCNN模型包括三类模块，分别是混合卷积模块、一个标准卷积模块和一个分类模块；混合卷积模块的数量与数据种类数对应；各基于注意力机制的MKCNN-LSTM模型输出的不同类型数据分别经过对应混合卷积模块提取特征后将特征进行串联，然后将串联的数据特征作为标准卷积模块的输入提取多个数据源的联合特征，最后通过分类模块对联合特征进行分类；各混合卷积模块包括softmax分类器和两类卷积模块，两类卷积模块分别为标准卷积模块和膨胀卷积模块；标准卷积模块中依次设置第一标准卷积层、第二标准卷积层和一个最大池化层；膨胀卷积模块中依次设置第一膨胀卷积层、第二膨胀卷积层和一个最大池化层；运算过程为：（1）分别利用第一标准卷积层和第一膨胀卷积层对输入进行标准卷积和膨胀卷积，得到输出和；（2）第一标准卷积层的输出特征图与第一膨胀卷积层的输出特征图串联得到；（3）利用第二膨胀卷积层将特征再次进行膨胀卷积操作，同时利用第二标准卷积层对第一标准卷积层的输出特征图再次进行标准卷积；（4）将步骤（3）得到的两种卷积输出特征图利用对应的最大池化层池化后展开，然后串联输出，得到从原始数据中学习到的有效特征；（5）将学习到的有效特征输入softmax分类器进行分类，得到最终的分类结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。