杭州电子科技大学冯静获国家专利权
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！
龙图腾网获悉杭州电子科技大学申请的专利基于多输入并行图卷积神经网络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：CN114942140B 。
龙图腾网通过国家知识产权局官网在2026-04-07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：202210610074.1，技术领域涉及：G01M13/045；该发明授权基于多输入并行图卷积神经网络的滚动轴承故障诊断方法是由冯静;鲍守洋;侯平智;徐晓滨;章振杰设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。
本基于多输入并行图卷积神经网络的滚动轴承故障诊断方法在说明书摘要公布了：本发明公开了一种基于多输入的并行图卷积神经网络半监督滚动轴承故障诊断方法。本发明基于滚动轴承正常和不同故障状态下各传感器的振动加速度信号，采用限定半径最近邻法，以故障样本作为节点，故障样本间的相似性为边，构建各传感器下的故障样本图。然后，以各传感器下的故障样本图作为输入，构建具有多输入的并行图卷积神经网络半监督故障诊断模型，并通过训练和调参以获得最优模型。本发明提出的故障诊断方法具有较高的精度，同时能够实现在少量有标记样本的情况下，也能获得较高的故障诊断精度。
本发明授权基于多输入并行图卷积神经网络的滚动轴承故障诊断方法在权利要求书中公布了：1.基于多输入并行图卷积神经网络的滚动轴承故障诊断方法，其特征在于包括： S1：在滚动轴承正常及各故障状态运行下，采集不同位置传感器返回的振动加速度信号；通过采样和拼接的方法，构建各传感器下的故障样本集； S2：根据S1中构建的各传感器下的故障样本集，以各故障样本为节点，故障样本的连接关系为边，采用限定半径最近邻法构建各传感器下的故障样本图； S3：以S2构建的各传感器下的故障样本图作为输入，基于图卷积神经网络层，结合全连接层、非线性激活层，构建基于多输入的并行图卷积神经网络半监督故障诊断模型； S4：基于S2构建的各传感器下的故障样本图，对构建的基于多输入的并行图卷积神经网络半监督故障诊断模型进行训练、调参以及评估； S5：在S4构建的多输入的并行图卷积神经网络半监督故障诊断模型的输入端加入高斯白噪声以达到模拟实际滚动轴承工作环境，并根据前向传递计算得到振动加速度信号的频域特征，完成故障诊断。
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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励