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！

龙图腾网获悉东南大学申请的专利基于改进GAF及SA的CNN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：CN115221916B 。

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：202210659742.X，技术领域涉及：G06F18/241；该发明授权基于改进GAF及SA的CNN滚动轴承故障诊断方法是由邓艾东;占可;范永胜;刘洋;董路南;王寅杰设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本基于改进GAF及SA的CNN滚动轴承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改进GAF及SA的CNN滚动轴承故障诊断方法，涉及轴承故障诊断技术领域，解决了在高噪声环境下轴承故障诊断性能下降的技术问题，其技术方案要点是首先利用改进GAF对采集到的振动信号进行编码，并生成相应特征图，之后将其输入卷积神经网络进行滚动轴承故障特征的提取，并引入适用于卷积神经网络的SA注意力模块实现特征的自适应加权，最后输入到softmax层完成滚动轴承故障分类。该模型鲁棒性好，诊断准确率更高，同时在复杂环境下也能保持较好的诊断结果。

本发明授权基于改进GAF及SA的CNN滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于改进GAF及SA的CNN滚动轴承故障诊断方法，其特征在于，包括： S1：采集滚动轴承振动数据，对所述振动数据进行预处理，得到一维振动数据集； S2：通过改进GAF将所述一维振动数据集转化成二维图像，将所述二维图像划分为训练集、验证集和测试集； S3：将所述训练集和所述验证集都输入到GAF-CNN模型，对所述GAF-CNN模型的初始参数进行设置，通过所述训练集对所述GAF-CNN模型进行训练，当所述GAF-CNN模型迭代收敛时，完成网络训练，保存网络参数，得到训练完成的GAF-CNN模型；将所述验证集输入到训练完成的GAF-CNN模型验证准确率，若验证集准确率达到预设标准，则转至步骤S4，否则重复步骤S3，直至验证集准确率达到预设标准； S4：将所述测试集输入到训练完成的GAF-CNN模型，得到测试集准确率，完成故障诊断； 其中，所述GAF-CNN模型包括卷积神经网络和SA注意力模块，所述卷积神经网络包括四个级联的卷积池化模块和一层全连接层；所述SA注意力模块设在最后一级卷积池化模块和全连接层之间； 所述改进GAF表示为： 其中，xi表示时序数据的第i个值，对于矩阵元素Gi,j||i-j＝k，当k＝0时，主对角线Gi,j由缩放后的时间序列的原始值构成。

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东南大学，其通讯地址为：211100 江苏省南京市江宁区东南大学路2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”。