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！

龙图腾网获悉南京航空航天大学申请的专利一种基于深度学习的航空发动机转子系统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：CN113962264B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202111237432.0，技术领域涉及：G06F18/2431；该发明授权一种基于深度学习的航空发动机转子系统故障诊断方法是由杨蒲;耿慧琳;柳鹏设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本一种基于深度学习的航空发动机转子系统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深度学习的航空发动机转子系统故障诊断算法，考虑航空发动机转子系的振动信号微弱，样本采集困难的问题，设计了一种基于深度学习的航空发动机转子系统的故障诊断算法，首先，使用滑动窗口算法对原始数据进行重复采样，构建故障样本集；然后，建立新型深度残差收缩网络进行特征提取，并将首层卷积层设为宽卷积核，使用渐进半软阈值函数算法作为网络的收缩层；最后，通过全连接层和Softmax分类器，输出故障分类结果。本发明将航空发动机轴承的原始振动信号数据作为输入，自动在高噪声中准确识别故障特征，并直接输出故障分类识别结果。

本发明授权一种基于深度学习的航空发动机转子系统故障诊断方法在权利要求书中公布了：1.一种基于深度学习的航空发动机转子系统故障诊断方法，包括如下具体步骤： 步骤1通过振动信号数据采集系统，采集不同故障下的航空发动机滚动轴承加速度振动信号，构造原始振动信号样本； 步骤2采样滑动窗口对原始数据样本进行重叠采样： 其中，n为重叠采样后的样本数量，Lraw为原始数据长度，Lsample为单个样本长度，即窗口宽度，P为滑动窗口的移动步长，即采样间隔； 经重叠采样后的数据为Data＝[x1，y1，…，xi，yi，…，xn，yn]T，Data是经分段处理后的数据集，xi是单个振动信号样本数据，每个样本包含1024条采样点数，yi是样本数据的故障类别标签； 步骤3对数据进行归一化处理，实现数据维度的统一： 其中，xmax和xmin分别为中的最小值和最大值，x′为经过归一化后的样本； 步骤4将归一化后得到的样本进行随机划分，70％的数据作为训练集，30％的数据作为测试集； 步骤5设置Pytorch下的新型深度残差收缩网络故障诊断模型，并使用训练集进行故障诊断模型的训练，该网络使用Adam优化算法，由首层宽卷积层和数个残差收缩模块以及全连接层、Softmax分类器组成，最后通过Softmax分类器输出故障分类结果，具体步骤如下： 步骤5.1输入样本经过第一个卷积层后，通过ReLU激活函数进入到第二个卷积层中，第二个卷积层构造了一个获取噪声阈值的子结构； 步骤5.2在该子结构中，先对输入进行取绝对值、全局平均池化处理后得到均值参数，接着经过两个全连接层挖掘通道的特征，最后经过Sigmoid激活函数得到注意力权重参数，每个注意力权重参数作用在对应特征通道的特征向量上； 步骤5.3注意力权重参数与均值参数相乘得到噪声阈值，因此每个特征通道都拥有独立的噪声阈值； 步骤5.4最后再利用得到的阈值对样本数据进行渐进半软阈值处理，阈值处理后的结果与跨层恒等映射的残差项相加后，得到最终的模块输出； 渐进半软阈值计算公式如下： 其中，τ为阈值，a′和as分别为渐进半软阈值处理前后的样本数据； 步骤6将训练集输入到训练好的深度残差收缩网络模型中，识别测试样本的故障类型。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号南京航空航天大学将军路校区自动化学院；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”。