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！

龙图腾网获悉华南理工大学申请的专利一种基于transformer的空压机故障预测方法和系统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：CN119885068B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411893385.9，技术领域涉及：G06F18/25；该发明授权一种基于transformer的空压机故障预测方法和系统是由邢晓芬;郑慧敏;邢晓洁设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于transformer的空压机故障预测方法和系统在说明书摘要公布了：本发明公开了一种基于transformer的空压机故障预测方法，涉及大模型与生产制造交叉领域，解决了现有空压机故障预测方式难以有效整合数据、动态适应性差、预测窗口难以满足预测需求、模型解释性差和计算效率低的技术问题。该方法为数据采集步骤：获取空压机的运行数据；数据预处理步骤：对所述运行数据预处理得到运行特征；多模态数据融合步骤：将所述运行特征进行多模态数据融合得到融合特征。本发明还公开了一种基于transformer的空压机故障预测系统。本发明提高预测模型的动态适应能力，优化预测时间窗口以同时应对突发和渐变故障，增强模型的可解释性以支持决策制定。

本发明授权一种基于transformer的空压机故障预测方法和系统在权利要求书中公布了：1.一种基于transformer的空压机故障预测方法，其特征在于，该方法为，数据采集步骤：获取空压机的运行数据； 数据预处理步骤：对所述运行数据预处理得到运行特征； 多模态数据融合步骤：将所述运行特征进行多模态数据融合得到融合特征； 动态自适应窗口预测步骤：根据所述融合特征调整故障预测模型，通过所述故障预测模型输出故障预警信息； 在多模态数据融合步骤中，将所述运行特征进行多模态数据融合得到融合特征的方法为，S11：对所述运行特征的时序特征进行编码以得到时序特征向量； S12：对所述运行特征的文本特征进行编码以得到文本特征向量； S13：通过多头注意力机制对所述时序特征向量和文本特征向量进行加权组合得到加权处理后的时序特征向量和加权处理后的文本特征向量； S14：通过注意力权重将所述加权处理后的时序特征和加权处理后的文本特征进行加权融合得到融合特征； 在S13中，通过多头注意力机制对所述时序特征向量和文本特征向量进行加权组合得到加权处理后的时序特征向量和加权处理后的文本特征向量的表达式为： Q＝WqX时序；K＝WkX文本；V＝WvX文本； 其中，Wq、Wk和Wv为可学习的权重矩阵，为缩放因子，Softmax为函数计算注意力分布，X文本为文本特征向量，X时序为时序特征向量； 在S14中，将所述加权处理后的时序特征向量和加权处理后的文本特征向量拼接为统一的特征向量，通过全连接层对统一的特征向量进行融合和降维得到初步的融合特征，通过残差连接和归一化层对所述初步的融合特征进行优化得到最终的融合特征； 通过残差连接和归一化层对所述初步的融合特征进行优化得到最终的融合特征的表达式为： X融合＝ConcatAttentionQ1，K1，V1,...,AttentionQi，Ki，ViWo； 其中，Concat表示将多头注意力输出进行拼接，W0是线性变换的权重矩阵，X融合为最终的融合特征，i为1以上的自然数。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。