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！

龙图腾网获悉中国矿业大学申请的专利基于监测数据投影分布学习的旋转机械设备故障检测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：CN117992881B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410178647.7，技术领域涉及：G06F18/2431；该发明授权基于监测数据投影分布学习的旋转机械设备故障检测方法是由鲍宇;樊锦龙;王忠斌;李悦欣;李勇钢;杨晋腾;谢祖茂设计研发完成，并于2024-02-09向国家知识产权局提交的专利申请。

本基于监测数据投影分布学习的旋转机械设备故障检测方法在说明书摘要公布了：本发明记载了一种基于监测数据投影分布学习的旋转机械设备故障检测方法，通过振动监测采集设备作业中的多变量时间序列数据，对每一个维度的数据进行预处理，形成训练样本数据；对训练样本数据进行时间窗划分后进行快速傅里叶变换、数据片分割和监测数据投影，形成监测数据投影分布数据训练样本集；将训练样本数据和监测数据投影分布数据训练样本集输入到VS‑Transformer模型中；在VS‑Transformer模型中设置一个自注意力Transformer分支和一个差分注意力深度神经网络分支，分别对训练样本数据和监测数据投影分布数据训练样本集进行计算，得到旋转机械设备正常数据与被检测数据之间的差异值；采用分类器根据差异值对被检测数据进行故障分类，从而检测出旋转机械设备的故障类型。

本发明授权基于监测数据投影分布学习的旋转机械设备故障检测方法在权利要求书中公布了：1.一种基于监测数据投影分布学习的旋转机械设备故障检测方法，其特征在于，包括以下步骤： S1，设置正常作业的旋转机械设备和以多个不同单一故障种类作业的旋转机械设备的工作状态监测数据为训练样本； S2，通过振动监测，采集所述训练样本在其作业过程中的多变量时间序列数据，选取所述多变量时间序列数据中每一个变量维度的数据进行归一化预处理，形成训练样本数据； 所述训练样本数据包括旋转机械设备正常作业采集的正常数据，和旋转机械设备以单一故障分类的多个不同故障作业时采集的被检测数据； 对所述训练样本设置标签，并按照故障分类以0,1,2,..,N进行标签标记； S3，对所述训练样本数据进行时间窗划分，并对划分后的每一个所述时间窗内的数据进行快速傅里叶变换、数据片分割和监测数据投影，形成监测数据投影分布数据训练样本集； S4，将所述训练样本数据和所述监测数据投影分布数据训练样本集作为输入数据，输入到VS-Transformer模型中；在所述VS-Transformer模型中设置一个自注意力Transformer分支和一个差分注意力深度神经网络分支，分别对所述训练样本数据和所述监测数据投影分布数据训练样本集进行计算，得到旋转机械设备正常作业的正常数据与以故障作业的被检测数据之间的差异值； S5，采用分类器根据所述差异值对所述被检测数据进行故障分类，从而检测出旋转机械设备的故障类型；所述分类器输入是由自注意力Transformer分支和差分注意力深度神经网络分支输出拼接而成； 设置所述差分注意力深度神经网络分支为VS-Transformer模型中的一个中间层，步骤如下： S4-1.multi-head取值范围为1至6个； S4-2.注意力block数量取值范围为1至5层，输入为监测数据投影[xi proj]或监测数据投影分布数据训练样本集[xd]；差分注意力模块的第一分支依次连接Norm层和Exp层，输出参数μ0和σ0；差分注意力模块的第二分支输入自注意力模块Q、K计算结果，连接Linear层和Softmax层后依次连接两路分支，其中一路分支连接Linear层输出参数μl，另一路分支依次连接Linear层和Exp层输出参数σl； S4-3.设置计算过程为:将输入数据输入两个分支，获得两组参数μ0、σ0和μl、σl，对两组参数做一次连接，与前一次结果做差分计算，形成优化目标Loss2，如下述公式所示： 式中， qs为监测数据真实分布；ps为监测数据先验分布；为监测数据真实分布的期望；x,y为样本数据和对应标签；xproj为样本投影。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路1号中国矿业大学南湖校区；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”。