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！

龙图腾网恭喜盐城工学院;盐城工学院技术转移中心有限公司申请的专利一种基于自适应注意力机制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：CN116662800B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202310459215.9，技术领域涉及：G06F18/214；该发明授权一种基于自适应注意力机制的滚动轴承故障诊断方法是由徐秀芳;章国栋;徐森;花小朋;皋军;许贺洋;郭乃瑄;陈博炜;孙雯;徐畅设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于自适应注意力机制的滚动轴承故障诊断方法在说明书摘要公布了：本发明提供了一种基于自适应注意力机制的滚动轴承故障诊断方法，包括：基于震动传感器采集滚动轴承的时域振幅数据，并将时域振幅数据拆分为训练集和测试集；确定训练集中各训练样本对应的位置信息，并基于预设模型缩放因子、和得分公式系数以及具有位置信息的训练样本对预设注意力机制模型中的注意力机制模块进行迭代训练；将测试集输入最高模型权重对应的预设注意力机制模型进行分析，得到测试集对应的故障诊断结果；基于诊断结果判断训练后的预设注意力机制模型是否满足预设要求，并当满足预设要求时，基于预设注意力机制模型对滚动轴承进行故障诊断。提高对预设注意力机制模型资源的利用效率，也提高了对滚动轴承故障诊断的效率和准确度。

本发明授权一种基于自适应注意力机制的滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于自适应注意力机制的滚动轴承故障诊断方法，其特征在于，包括：步骤1：基于震动传感器采集滚动轴承的时域振幅数据，并基于数据集缩放因子n对时域振幅数据进行扩充，且基于预设拆分比例将扩充后的时域振幅数据拆分为训练集和测试集；步骤2：确定训练集中各训练样本对应的位置信息，同时，获取预设注意力机制模型，并基于预设模型缩放因子ε、γ和得分公式系数α、β以及具有位置信息的训练样本对预设注意力机制模型中的注意力机制模块进行目标次数的迭代训练，更新注意力机制模块的权重，且保存所有训练次数中的最高模型权重；步骤3：对预设注意力机制模型中的训练权重进行冻结以及对预设注意力机制模型中全连接层的目标权重进行保留设置，并基于设置结果将测试集输入最高模型权重对应的预设注意力机制模型进行分析，得到测试集对应的故障诊断结果；步骤4：基于诊断结果判断训练后的预设注意力机制模型是否满足预设要求，并当满足预设要求时，基于训练好的预设注意力机制模型对滚动轴承进行故障诊断，否则，对训练好的预设注意力机制模型进行优化；其中，步骤2中，获取预设注意力机制模型，并基于预设模型缩放因子ε、γ和得分公式系数α、β以及具有位置信息的训练样本对预设注意力机制模型中的注意力机制模块进行目标次数的迭代训练，更新注意力机制模块的权重，包括：获取预设注意力机制模型，并确定预设注意力机制模型中的目标结构，其中，目标结构包括线性嵌入层、注意力机制模块以及全连接层；将线性嵌入层与注意力机制模块进行封装，并基于预设模型缩放因子γ确定对封装后的线性嵌入层与注意力机制模块的重复次数，且基于重复次数为每一个封装的线性嵌入层与注意力机制模块设置步距以及通道数，同时，基于预设模型缩放因子ε对注意力机制模块中的自适应注意力机制进行并行扩容；基于设置结果将具有位置信息的训练样本经线性嵌入层输入至注意力机制模块中的ε个自适应注意力机制进行处理，并将自适应注意力机制处理输出后的数值分别与原始具有位置信息的训练样本进行相加与归一化处理；将归一化处理后得到的数值进行前向传播，并基于3*1的卷积模块对得到的数值进行处理，且将处理后的数值与自适应注意力机制处理输出后的数值与原始具有位置信息的训练样本进行相加与归一化处理后得到的数值进行相加与归一化操作，输出特征值；将特征值再与具有位置信息的训练样本进行相加，并基于最终相加结果得到目标训练步骤，且基于目标训练步骤对预设注意力机制模型进行目标次数的迭代训练；同时，基于得分公式系数α、β计算预设注意力机制模型每次迭代训练后的目标得分，并基于目标得分对注意力机制模块的权重进行更新，其中，α和β分别表示预设注意力机制模型的精度和计算时间在总得分中的占比权重；将具有位置信息的训练样本经线性嵌入层输入至注意力机制模块中的个自适应注意力机制进行处理，包括：获取预设可训练矩阵Q、K以及V；Q、K两个可训练矩阵经过线性映射后再与上层的输出矩阵进行乘积，并对乘积结果进行变形；基于变形结果分别进行softmax和计算协方差矩阵操作，可训练矩阵V在线性映射后再与协方差矩阵进行concat处理，最终concat的数值与softmax再进行矩阵运算；其中，数据处理的过程可用如下公式表示： 其中Q、K、V为可训练矩阵；dK表示向量K的长度；CovQ，K表示Q、K可训练矩阵进行矩阵运算后Q，K的协方差；T表示可训练矩阵K的转置；基于得分公式系数α、β计算预设注意力机制模型每次迭代训练后的目标得分，包括：缩放因子n、ε、γ满足如下条件公式：s.t.n·ε2·γ2≈in≥1,ε≥1,γ≥0；ε、γ分别控制预设注意力机制模型的宽度与深度；i代表目标值，其对模型参数的影响是n的二次方倍，所以需要将前两个参数进行平方处理；得分公式具体如公式： s.t.0≤α≤1,0≤β≤1，α+β＝1其中Ai表示缩放因子n、ε、γ条件公式中取i时模型的精度，minA表示所有i值中最低的精度，maxA表示所有i值中最高的精度，Ti表示取值为i时模型总共花费的时间，maxT表示所有i值模型计算时间中最大的时间值，minT表示所有i值模型计算时间中最小的时间值，α和β分别表示精度和计算时间在总得分中的占比权重。

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盐城工学院;盐城工学院技术转移中心有限公司，其通讯地址为：224000 江苏省盐城市盐南高新区新河街道办事处新怡社区新园路20号1幢401室；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”。