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！

龙图腾网恭喜洛阳理工学院申请的专利基于残差收缩卷积和注意力机制的旋转机械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：CN119475191B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510027908.X，技术领域涉及：G06F18/2433；该发明授权基于残差收缩卷积和注意力机制的旋转机械故障诊断方法是由刘保罗;王国强;石念峰;孙泽宇;陈春涛;李晨设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本基于残差收缩卷积和注意力机制的旋转机械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残差收缩卷积和注意力机制的旋转机械故障诊断方法，属于旋转机械故障诊断领域。该方法首先基于Meta‑ACON设计了一种软阈值滤波激活函数，并围绕该激活函数开发了软阈值滤波模块，该模块能够自适应学习滤波阈值与正向动态加权系数，从而有效过滤不相关特征并增强有效特征的表达能力。随后，结合多通道与多尺度残差卷积，构建了多通道残差收缩卷积单元，以实现多尺度、多通道的有效特征提取。此外，本方法利用高阶统计建模思想，在多通道残差收缩卷积单元之后引入GSoP注意力机制，通过高层信道特征图的二阶统计信息，强化了对判别性特征的提取能力。测试结果表明，该方法具有较好的故障识别能力和泛化能力。

本发明授权基于残差收缩卷积和注意力机制的旋转机械故障诊断方法在权利要求书中公布了：1.基于残差收缩卷积和注意力机制的旋转机械故障诊断方法，其特征在于，利用训练好的故障诊断网络模型对旋转机械进行故障检测，所述故障诊断网络模型的计算过程包括：S1，输入旋转机械振动信号，通过宽卷积预处理层对振动信号进行特征预提取，输出特征图I；S2，通过多个堆叠的多通道残差收缩卷积单元对输出特征图I进行多通道、多尺度的特征提取，多通道残差收缩卷积单元是由带残差连接的双通道构成，每个通道包括依次连接的两个一维卷积层和具有软阈值滤波功能的激活层ACON-FilterNet，两个通道的输出特征经拼接之后接入1×1维卷积，实现信道维度上的特征融合，最后拼接之后的特征与残差连接线性叠加，得到输出特征图II；S3，将S2中输出特征图II送入全局二阶池化模块，通过计算特征图的协方差矩阵提取信道的二阶统计信息，经过缩放非线性映射，获取每个信道的注意力因子，最后注意力因子和输出特征图II进行逐信道相乘，完成注意力机制运算，输出运算结果；S4，将S3中的运算结果做全局平均池化，然后经全连接分类，得到故障信号所属类别；所述激活层ACON-FilterNet的激活运算函数采用Meta-ACON设计，其表达式为： 式中，τ为滤波阈值，β为非线性尺度因子，p1为正向动态加权系数，p2为负向动态加权系数，x为输入特征；所述激活层ACON-FilterNet实现信道级别参数滤波阈值τ和正向动态加权系数p1的自适应学习，其具体模型结构设计为：首先对输入特征图进行全局绝对值平均池化，得到一个一维向量1×C，C为输入特征图的信道数，将所述一维向量传递到压缩全连接网络，得到压缩后的二维向量2×Cr，r为收缩因子，再经扩张全连接网络得到最终二维向量2×C，其中一个向量作为正向动态加权系数p1，另一个向量经Sigmoid函数得到小于1、大于零的阈值因子，所述阈值因子与每个信道的全局绝对值平均池化统计量相乘，得到每个信道的滤波阈值τ。

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洛阳理工学院，其通讯地址为：471023 河南省洛阳市洛龙区王城大道90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”。