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！

龙图腾网获悉南京邮电大学申请的专利一种基于自监督学习的旋转机械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：CN120030483B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510490073.1，技术领域涉及：G06F18/2433；该发明授权一种基于自监督学习的旋转机械故障检测方法是由孙雁飞;郭二源;倪黄晶;亓晋;董振江设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本一种基于自监督学习的旋转机械故障检测方法在说明书摘要公布了：本申请属于故障检测技术领域，公开了一种基于自监督学习的旋转机械故障检测方法，该方法使用KAN网络变换特征维度，同时引入RevIN归一化模块来消除信号分布不一致的负面影响，同时提出了一种改进的双向状态空间模型架构，其中，多尺度卷积融合模块提取局部和全局特征信息，并馈送至相应路径的状态空间模型进行时序建模，并且通过动态权重策略对多尺度卷积结果进行动态加权融合以及自适应平衡双向状态空间模型在时序建模中的贡献。本申请无需任何故障标注数据，训练成本极低的同时能够保持较好的故障检测性能，更符合实际工业场景需求。

本发明授权一种基于自监督学习的旋转机械故障检测方法在权利要求书中公布了：1.一种基于自监督学习的旋转机械故障检测方法，其特征在于：所述旋转机械故障检测方法通过旋转机械故障检测模型实现，所述旋转机械故障检测模型包括改进的双向状态空间模型架构，所述改进的双向状态空间模型架构包括多尺度卷积融合模块、状态空间模型和动态权重策略，具体的，所述旋转机械故障检测方法包括以下步骤： 步骤1、采集设备的机械振动信号进行预处理，得到数据样本，将数据样本划分为训练集和测试集，所述训练集全部为正常类别的机械振动信号； 步骤2、将数据样本输入所述旋转机械故障检测模型，数据样本中的机械振动信号先升高特征维度，再作归一化处理，归一化处理后的数据样本分别送入两个一样的线性层再次升高特征维度，得到馈送至所述多尺度卷积融合模块的正向升维结果和用于做后续残差连接的升维结果； 步骤3、多尺度卷积融合模块分别从正向和反向对步骤2中正向升维结果进行特征提取，得到正向路径上的多尺度卷积融合模块的结果和反向路径上的多尺度卷积融合模块的结果； 步骤4、分别对正向路径上的多尺度卷积融合模块的结果和反向路径上的多尺度卷积融合模块的结果进行时序建模，得到正向路径状态空间模型分支建模结果和反向路径状态空间模型分支建模结果，使用动态权重策略对正向路径状态空间模型分支建模结果和反向路径状态空间模型分支建模结果作加权融合，得到双向建模结果； 步骤5、对步骤4得到的双向建模结果进行降维，并进行反归一化，最终输出重建样本； 步骤6、采用均方误差作损失函数训练所述旋转机械故障检测模型，测试时，根据数据样本的均方误差损失和故障阈值做比较实现故障检测。

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邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。