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！

龙图腾网获悉北京航空航天大学申请的专利基于因果图注意力神经网络的复杂机电系统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：CN115310837B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210975693.0，技术领域涉及：G06Q10/20；该发明授权基于因果图注意力神经网络的复杂机电系统故障检测方法是由刘杰;郑舒文;王冲设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本基于因果图注意力神经网络的复杂机电系统故障检测方法在说明书摘要公布了：本发明提供一种基于因果图注意力神经网络的复杂机电系统故障检测方法，其包括以下步骤：S1：结合已知因果关系与基于约束的因果发现，以复杂机电系统监测数据为输入，构建因果图；S2：利用因果图注意力神经网络提取因果图中的节点特征；S3：将各层因果图注意力神经网络提取的特征相加，并计算各节点表征在不同注意力机制下的独立支持评分；S4：将所有节点的特征拼接输入全连接神经网络，最终输出系统的故障检测结果。本发明融合已知因果关系和基于约束方法获得因果图；根据原因变量不同重要度自适应生成结果变量的嵌入表征，并将独立支持评分作为约束，提取具有因果分离性质的特征，最终实现系统故障检测，提高检测性能。

本发明授权基于因果图注意力神经网络的复杂机电系统故障检测方法在权利要求书中公布了：1.一种基于因果图注意力神经网络的复杂机电系统故障检测方法，其特征在于：其包括以下步骤； S1：结合已知的因果关系与基于约束的因果发现方法，以复杂机电系统监测变量数据为输入，构建系统监测变量的因果关系图，其具体包括以下子步骤： S11：根据已有知识确定因果路径约束和因果方向约束； S12：生成因果图骨架，并根据因果路径约束添加或删除相应的边； S13：进行数据预处理将所有数据转换为数值类型，再利用基于约束的因果发现算法继续搜索构建因果图，并根据因果方向约束添加相应的边； S14：验证因果发现结果是否满足已知关系约束，若满足则输出结果因果图；若不满足则调整基于约束的因果发现算法的参数阈值并重新回到步骤S12； S2：利用因果图注意力神经网络对因果图节点表征进行提取和学习，其具体包括以下子步骤： S21：计算基于因果关系的注意力系数：每个节点的输入特征通过可训练参数变换至维，且为正整数，F表示原始特征的维数,再对每个因果机制下的原因-结果节点对应用基于因果的注意力机制，并通过非线性激活函数及标准化后得到因果对间注意力系数，如式1所示，其中表示节点是节点的父节点，即节点是节点的原因变量，表示特征拼接操作，LeakyReLU为非线性激活函数；对于没有父节点的节点，定义其注意力系数为且，； 1； 式中，,为可训练参数；、分别表示节点、的输入特征，并且节点是的原因变量；表示将节点、的输入特征、通过可训练参数变换至M维并进行拼接后，再使用可训练参数变换至1维； S22：利用多头因果注意力机制生成节点表征：每个节点的表征表示为其所有父节点，即原因变量特征的线性加权，并采用多头注意力机制，以充分提取特征如式2所示，其中表示节点的新生成表征；表示激活函数,和分别代表在第头注意力中，子节点与其一个父节点之间的注意力系数，以及第头注意力中的可训练变换参数；表示注意力机制总头数；至此，每个节点生成的新表征共包括个维度； 2； S3：将各因果图注意力神经网络层在步骤S2中提取的节点表征相加，并针对各节点表征计算其在不同注意力机制下的独立支持评分IOSS，如式3所示，其中表示所有节点的数量,表示节点的表征,代表计算结果中针对变量的分位的对应数值： 3； 式中，为维向量，表示节点特征的独立支持理论联合分布的次随机抽样的第次，该理论联合分布通过计算的联合分布得到，其中表示经最大-最小值归一化后节点的第维表征；和表示的具体数值；表示节点的新生成表征，包括个维度； S4：将所有节点提取的特征输入平坦层进行拼接，拼接的特征输入到包含隐藏层和1层输出层的全连接神经网络，全连接神经网络中的激活函数对特征进行非线性处理，输出层负责输出复杂机电系统的故障检测结果。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。