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！

龙图腾网获悉武汉理工大学申请的专利一种小样本条件下多检测装置故障识别系统、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：CN120493095B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510563570.X，技术领域涉及：G06F18/2431；该发明授权一种小样本条件下多检测装置故障识别系统、方法是由王磊;尤培杰设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种小样本条件下多检测装置故障识别系统、方法在说明书摘要公布了：本发明提供了一种小样本条件下多检测装置故障识别系统，包括：图结构构建模块，从齿轮箱多检测装置时域信号提取时域特征，经傅里叶变换生成频域特征；基于K近邻分别构建时域图、频域图，拼接为正图，筛选频域图独有邻域构建负图；特征融合模块，正、负、频域图输入多层GraphSAGE，输出融合节点特征矩阵；融合特征图构建模块，基于融合特征计算K近邻边权重，构建带权邻接矩阵；特征学习模块，融合特征与带权邻接矩阵输入交替堆叠的GraphSAGE‑Transformer层：输出高阶特征；故障识别模块，特征经全局池化压缩为节点级向量，MLP提取非线性特征后输入Softmax分类器，输出故障概率。通过多图融合、对比学习、动态权重，提升了小样本条件下多检测装置故障识别的准确性和鲁棒性。

本发明授权一种小样本条件下多检测装置故障识别系统、方法在权利要求书中公布了：1.一种小样本条件下多检测装置故障识别系统，其特征在于，包括： 图结构构建模块，从集齿轮箱的多检测装置时域信号中提取时域特征，将集齿轮箱的多检测装置时域信号进行傅里叶变换以提取频域特征，根据时域特征和频域特征基于K近邻法则构建时域图和频域图，将时域图和频域图拼接得到正图，对比时域图与频域图的邻域节点集合并筛选出频域图独有的邻域节点构建负图； 特征融合模块，将正图、负图、频域图分别输入图变分自编码器，在图变分自编码器中经过多层GraphSAGE编码生成潜在分布、重参数化采样、多层GraphSAGE解码重构及通道权重动态加权融合处理，得到融合节点特征矩阵； 融合特征图构建模块，根据融合节点特征矩阵基于K近邻法则计算融合后特征的边权重，并根据融合后特征的边权重构建带边权重的邻接矩阵； 特征学习模块，将融合节点特征矩阵和带边权重的邻接矩阵输入交替堆叠的GraphSAGE与Transformer层，GraphSAGE层通过加权聚合邻域特征更新节点表示，Transformer层令边权重参与缩放点积注意力计算并结合门控机制动态调节权重影响，输出经过特征学习的节点特征； 故障识别模块，将经过特征学习的节点特征输入全局平均池化层聚合为池化后的全局特征向量，通过多层感知机对池化后的全局特征向量提取高层非线性特征后，将高层非线性特征输入Softmax分类器，得到故障类别概率； 其中，所述图结构构建模块中，从集齿轮箱的多检测装置时域信号中提取时域特征，将集齿轮箱的多检测装置时域信号进行傅里叶变换以提取频域特征，根据时域特征和频域特征基于K近邻法则构建时域图和频域图的具体方法为： 将齿轮箱多检测装置时域信号记为； 从齿轮箱多检测装置时域信号中提取时域特征，每个样本生成时域特征向量，表示时域特征维度，为实数，其中，时域特征包括均值、方差、峰值、峰峰值、均方根、波形因子、峭度、脉冲因子； 对时域信号进行傅里叶变换，即对每个样本进行傅里叶变换，得到频谱，X为频谱分辨率，构建以下频域特征：频谱幅值：频谱幅值=；频带能量：划分频带，计算每个频带能量；频域统计量：频谱质心、频谱带宽、频谱平坦度，然后根据频域特征得到频域特征向量，表示频域特征维度，频域特征包括频谱幅值、频段能量、频域统计量； 使用欧氏距离对节点和节点之间进行特征空间距离计算： 其中，为时域特征距离矩阵，频域特征距离矩阵； 基于K近邻构建时域图与频域图，为节点集合，节点集合中的每个节点对应一个齿轮箱的检测信号样本，为时域图的边集合，为频域图的边集合； 基于时域特征距离矩阵构建时域图的邻接矩阵，基于频域特征距离矩阵构建频域图的邻接矩阵，如下所示： 其中，表示对每个节点，从或中选择距离最小的K个节点作为邻居，符号表示对应行或列的所有元素。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。