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！

龙图腾网获悉华中科技大学申请的专利一种基于多感受域GCN的水电机组故障诊断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：CN115238739B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202210838720.X，技术领域涉及：G06F18/241；该发明授权一种基于多感受域GCN的水电机组故障诊断方法和系统是由李超顺;肖湘曲;邓友汉;黄洁;余甜;何鸿翔;袁成建设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于多感受域GCN的水电机组故障诊断方法和系统在说明书摘要公布了：本发明公开了一种基于多感受域GCN的水电机组故障诊断方法和系统，属于水电机组故障诊断技术领域。本发明通过构建图结构数据，将振动样本抽象为节点，振动样本的时域特征和频域特征作为节点的属性，将相关度高的振动样本之间抽象为边，相关度作为边的权重，最大程度上利用有限振动样本中的信息。并提出一种多感受域图卷积网络模型，有效处理图结构数据，利用样本之间的相关信息，将不同感受域的特征结合起来，进一步提升了样本特征的质量，从而有效地提升水电机组故障诊断精度和实时性。

本发明授权一种基于多感受域GCN的水电机组故障诊断方法和系统在权利要求书中公布了：1.一种基于多感受域GCN的水电机组故障诊断方法，其特征在于，包括： 1获取水电机组待诊断期间的振动数据，按照振动周期划分为多个待测振动样本，得到待诊断振动样本集； 2构建待诊断振动样本集对应的图结构数据，具体过程为： 2.1将每个振动样本抽象为节点；2.2计算每个振动样本的时域特征和频域特征，作为该节点的属性；2.3计算两两振动样本之间的相关度，若相关度低于失效阈值，则这两个振动样本之间不存在边，否则，这两个振动样本之间存在边，且相关度作为边的权重； 3将待诊断振动样本集对应的图结构数据输入至训练好的多感受域图卷积网络模型，得到每个待测振动样本的故障诊断结果； 所述多感受域图卷积网络模型的训练过程为：获取水电机组历史振动数据，按照振动周期划分为多个振动样本，标注各振动样本的故障类型，得到训练振动样本集；构建训练振动样本集对应的图结构数据；采用训练振动样本集对应的图结构数据训练多感受域图卷积网络模型，得到训练好的多感受域图卷积网络模型； 所述多感受域图卷积网络模型包括：第一图卷积层，用于从图结构数据中提取第一感受域图卷积特征；第二图卷积层，用于从经过ReLU的第一感受域图卷积特征中提取第二感受域图卷积特征；拼接层，用于拼接图结构数据节点特征、第一感受域图卷积特征、第二感受域图卷积特征，得到拼接特征；Dense全连接层，用于接收经过ReLU的拼接特征，进行全连接；Softmax分类器，用于接收ReLU后的全连接特征，输出每种故障可能出现的概率； 其中，第一图卷积层的输出为，第二图卷积层的输出为； 其中，，，； 其中，表示第一图卷积层的输出向量，表示第一图卷积层的输入向量，表示第一图卷积层的权重，表示中间变量，表示第二图卷积层的输出向量，表示第二图卷积层的权重，表示附加节点自连接的邻接矩阵，表示附加自连接的度矩阵，A表示图结构数据的邻接矩阵，表示单位矩阵。

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中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。