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！

龙图腾网获悉辽宁大学申请的专利一种改进MHSA双路径特征融合的小样本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：CN116558825B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310461787.0，技术领域涉及：G01M13/045；该发明授权一种改进MHSA双路径特征融合的小样本故障诊断方法是由张利;顾士兴;丁琳琳;罗浩;张皓博设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本一种改进MHSA双路径特征融合的小样本故障诊断方法在说明书摘要公布了：一种改进MHSA双路径特征融合的小样本故障诊断方法，步骤如下：1信号采集；2数据处理；3特征学习；4故障分类。在实际工业生产中经常面临信号稀缺问题，为了在有限的训练样本中充分学习振动信号中的时域信息，我们先后对振动信号的时域信息提取两次，首先经过CWT得到具有时频信息的时频图，然后将时频图放入改进的MHSA中进行第二次的时域信息提取，再送入双路径特征融合中提取振动信号的局部信息和全局信息实现故障分类。我们在PT300滚动轴承实验台进行了对比试验来评估该方法的诊断性能。结果表明，本发明所提出方法的在噪声环境下诊断精度和稳定性要优于传统深度学习和机器学习的故障诊断模型。

本发明授权一种改进MHSA双路径特征融合的小样本故障诊断方法在权利要求书中公布了：1.一种改进MHSA双路径特征融合的小样本故障诊断方法，其特征在于，步骤如下： 1信号采集：利用传感器收集滚动轴承的原始一维振动信号，选取数字信号的采样频率为5000Hz的轴承数据； 2数据处理：将原始一维振动信号进行连续小波变换CWT，将一维振动信号转换成二维时频图像；CWT的具体过程由如式1表示： 1 其中代表待处理的原始一维振动信号，代表着小波基函数，代表复数共轭符号，表示尺度因子，表示平移量参数； 3特征学习：通过由连续小波变换CWT、改进MHSA、双路径特征融合机制组成的旋转机械故障诊断模型进行深层特征学习； 4轴承故障诊断： 4.1导入传感器采集到的原始一维振动信号到该模型中； 4.2对一维振动数据进行步骤2中的连续小波变换CWT处理，得到二维时频图； 4.3用步骤4.2得到的二维时频图，制作故障诊断的训练数据集和测试数据集； 4.4构建连续小波变换CWT、改进MHSA和双路径特征融合机制组成的一种改进MHSA双路径特征融合的小样本故障诊断方法； 4.5将时频图训练集数据输入步骤4.4中的故障诊断模型，对其进行训练； 4.6将时频图测试集数据输入步骤4.5中训练好的模型，并用评价指标验证步骤4.5模型效果，如果效果能够达到预期，则进行步骤4.7，否则增加迭代次数后通过步骤4.5重新对模型进行训练； 4.7将实际得到噪声数据分别输入至步骤4.5中训练好的故障诊断模型中，进行故障诊断。

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辽宁大学，其通讯地址为：110000 辽宁省沈阳市沈北新区道义南大街58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。