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！

龙图腾网获悉上海师范大学申请的专利一种基于发动机振动信号多模态分析的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：CN116610935B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310554203.4，技术领域涉及：G06F18/213；该发明授权一种基于发动机振动信号多模态分析的机械故障检测方法是由刘翔鹏;李文杰;袁非牛;张相芬;王心怡;安康;管西强;张会设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于发动机振动信号多模态分析的机械故障检测方法在说明书摘要公布了：本发明涉及一种基于发动机振动信号多模态分析的机械故障检测方法，对于提取到的柴油发动机震动信号，首先采用多模态特征提取网络从一维幅值数据及二维图像数据中提取出关于异常信号的图像特征，之后采用混通道特征融合检测网络将特征图拆分为两组，分别采用空间注意力机制与通道注意力机制对特征图进行空间域与通道域的提权计算，将计算得到的特征图再次分组，并通过合并操作得到多维度提权的特征图，最后采用多尺度检测器同时对三个特征图进行检测，判断在该时段内的信号是否存在有异常状态。与现有技术相比，本发明具有准确率高、抗噪声性能好等优点。

本发明授权一种基于发动机振动信号多模态分析的机械故障检测方法在权利要求书中公布了：1.一种基于发动机振动信号多模态分析的机械故障检测方法，其特征在于，包括以下步骤： 采集发电机的振动信号； 将所述振动信号输入多模态特征提取网络，得到多个特征信息； 选取p个特征信息输入混通道特征融合检测网络，进行特征二次处理及检测，输出检测结果 其中，所述多模态特征提取网络包括整形网络、卷积模块、全连接模块及多模态Transformer模块； 所述整形网络用于将输入的发动机振动信号转换为二维图片，卷积模块基于所述二维图片进行特征提取，得到二维特征图片； 所述全连接模块用于提取输入的发动机振动信号的一维特征向量；所述多模态Transformer模块用于整合所述一维特征向量及所述二维特征图片； 所述混通道特征融合检测网络包括特征聚合模块、特征混组模块及多尺度检测模块； 所述特征聚合模块用于将所述p个特征信息进行聚合，得到聚合特征图FM； 所述特征混组模块用于对所述聚合特征图进行特征混组，得到多个不同大小的特征图； 所述多尺度检测模块用于对混组后的特征图进行检测，通过检测特征图中是否有异常、不规则纹理区域以判断在当前这一时段内柴油机气缸是否有异常振动信号； 所述多模态Transformer模块包括两个多头注意力网络，分别对应所述一维特征向量与二维特征图像的长距离关系交互； 所述多模态Transformer模块整合所述一维特征向量及所述二维特征图片包括以下步骤： 将所述一维特征向量分为个tokens子向量； 将所述二维特征图片等分为个特征块，将所述特征块延展为个tokens子向量； 在第一多头注意力网络中，将二维特征图片对应的tokens输入到矩阵中，将一维特征向量对应的tokens输入到矩阵与中，将计算得到带有图片特征信息的查询矩阵Q与一维幅值特征信息的键矩阵K进行匹配度计算，将得到的匹配度赋值于对应的特征值矩阵V上，完成图像特征映射至幅值特征的操作； 在第二多头注意力网络中，将一维特征向量对应的tokens输入到矩阵中，将二维特征图片对应的tokens输入到矩阵与中，将计算得到带有图片特征信息的查询矩阵Q与一维幅值特征信息的键矩阵K进行匹配度计算，将得到的匹配度赋值于对应的特征值矩阵V上，完成图像特征映射至幅值特征的操作； 其中，在两个多头注意力网络中，对应的两组Q、K、V向量分别由、、和、、矩阵计算得到； 对两个多头注意力网络的输出一维特征向量进行合并，并采用全连接层与ReLU激活函数对合并后的特征进行激活计算，最后将得到的向量进行整型计算，得到维度的特征图。

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上海师范大学，其通讯地址为：200234 上海市徐汇区桂林路100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”。