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！

龙图腾网获悉太原理工大学申请的专利一种基于音画数据特征的带式输送机故障检测及判定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：CN120953925B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511476631.5，技术领域涉及：G06V20/52；该发明授权一种基于音画数据特征的带式输送机故障检测及判定方法是由张东光;刘成琦;王鸿禄;冯钢;李可;吴亚丽;李钢设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种基于音画数据特征的带式输送机故障检测及判定方法在说明书摘要公布了：本发明涉及工业设备智能监测技术领域，具体是一种基于音画数据特征的带式输送机故障检测及判定方法，其包括以下步骤：采集带式输送机的输送带在运行时的图像信号、音频信号，然后对其进行预处理；对预处理后得到的图像数据、音频数据进行偏载故障特征提取和纵向撕裂故障特征提取；分别对偏载故障特征、纵向撕裂故障特征进行自适应特征融合与故障判定；所述自适应特征融合与故障判定包括采用自适应门控交叉注意力机制，以音频特征为Query动态检索图像特征中的关键空间区域，通过门控权重调节模态贡献生成故障概率；解决了现有的带式输送机故障检测方法存在的单一传感器检测环境适应性差，多源数据缺乏均衡融合的问题。

本发明授权一种基于音画数据特征的带式输送机故障检测及判定方法在权利要求书中公布了：1.一种基于音画数据特征的带式输送机故障检测及判定方法，其特征在于：包括以下步骤： S100：采集带式输送机的输送带在运行时的图像信号、音频信号，然后对其进行预处理，得到图像数据、音频数据； S200：对预处理后得到的图像数据、音频数据进行偏载故障特征提取；所述偏载故障特征提取包括偏载图像特征提取和偏载音频特征提取；所述偏载图像特征提取包括通过改进的边缘增强型卷积网络处理图像数据，所述改进的边缘增强型卷积网络在ResNet-50残差块中嵌入可学习的Sobel算子层，生成梯度幅值图，输出64维的几何偏移描述向量；所述偏载音频特征提取包括对音频数据进行滑动窗口截取，提取梅尔频率倒谱系数、功率谱特征以及时域统计特征，输入多尺度一维卷积网络，经自适应加权融合后输出64维音频偏移描述向量；所述偏载音频特征提取中，多尺度一维卷积网络包含三组并行的一维卷积层，卷积核尺寸分别为3、5、7，分别用于捕捉不同频率范围的声学特征；其中，3核卷积层聚焦于高频特征，即1000-5000Hz，对应输送带与托辊、输送带与机架摩擦产生的声音；5核卷积层关注中频特征，即500-1000Hz，对应输送带接头周期性冲击产生的声音；7核卷积层提取低频特征即500Hz，对应因偏移引起的整体结构振动产生的声音； S300：对预处理后得到的图像数据、音频数据进行纵向撕裂故障特征提取；所述纵向撕裂故障特征提取包括纵向撕裂图像特征提取和纵向撕裂音频特征提取；所述纵向撕裂图像特征提取包括通过多级金字塔裂缝网络处理图像数据，对其进行Laplacian金字塔分解，每个尺度经轻量化卷积块提取局部纹理特征，输出64维带面纹理描述向量；所述纵向撕裂音频特征提取包括通过短时傅里叶变换算法将音频数据转换为时频谱图，输入频谱-空间双流网络，融合频谱特征和空间特征并通过门控机制筛选高频冲击成分，输出64维音频撕裂描述向量； S400：分别对偏载故障特征、纵向撕裂故障特征进行自适应特征融合与故障判定；所述自适应特征融合与故障判定包括采用自适应门控交叉注意力机制，以音频特征为Query动态检索图像特征中的关键空间区域，通过门控权重调节模态贡献生成故障概率，最后根据故障概率设定故障等级及响应措施。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。