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！

龙图腾网获悉中国海洋大学申请的专利基于多模态和多尺度融合网络的轴承诊断方法及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：CN117763494B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202311716741.5，技术领域涉及：G06F18/25；该发明授权基于多模态和多尺度融合网络的轴承诊断方法及系统是由张千里;李心建;孙硕;刘贵杰设计研发完成，并于2023-12-14向国家知识产权局提交的专利申请。

本基于多模态和多尺度融合网络的轴承诊断方法及系统在说明书摘要公布了：本发明所述基于多模态和多尺度融合网络的轴承诊断方法及系统，提出基于多种模态信号的特征提取与多维信息融合和增强特征提取能力的诊断手段，从而实现全面地表征轴承退化信息、准确计算得出轴承的健康状况，从而达到诊断数据具有可比性、交互性、充分利用多模态原始数据、能够结合多种数据融合优点的设计目的。轴承诊断方法包括以下实施步骤：步骤1、获取不同工况下、多种故障类型的多源异构信号数据集；步骤2、基于多模态数据融合构建数据级特征向量矩阵；步骤3、生成多尺度的CWT特征提取的灰度图像；步骤4、生成多尺度STFT特征提取的灰度图像；步骤5、生成新的时频特征图像集Image；步骤6、构建VIT模型；步骤7、获得轴承故障类型状况的分类结果。

本发明授权基于多模态和多尺度融合网络的轴承诊断方法及系统在权利要求书中公布了：1.一种基于多模态和多尺度融合网络的轴承诊断方法，其特征在于：包括以下实施步骤， 步骤1、获取不同工况下、多种故障类型的多源异构信号数据集； 步骤2、基于多模态数据融合构建数据级特征向量矩阵； 将多种模态信号进行特征提取和信息融合预处理,提取后得到每个模态信号特征向量；其中，每个特征向量包含描述不同模态信息的特征，对不同模态的特征进行拼接、求均值后，以振、温、转速为主序列按模态维度进行数据级融合并构建特征向量矩阵； 步骤3、生成多尺度的CWT特征提取的灰度图像； 将数据级融合特征向量矩阵通过选择不同的小波函数或尺度参数以获得不同频率范围或时间尺度下的特征并计算每个尺度下的特征，生成多尺度的CWT特征提取的灰度图像； 步骤4、生成多尺度STFT特征提取的灰度图像； 步骤5、生成新的时频特征图像集Image； 对不同尺度下提取的特征向量灰度图进行加权融合，根据不同尺度的重要性赋予不同的权重；将上述图像进行拼接形成更长的特征向量再归一化，以生成新的时频特征图像集Image； 对STFT的灰度图和小波变换图的特征进行多尺度融合；首先对每个特征提取不同尺度的特征表示，然后对不同尺度的特征进行图像拼接融合，最后叠加在一起形成多通道的图像并构成融合两者特征灰度图像数据集； 步骤6、构建VIT模型； VIT模型包括输入层、多尺度图像块划分、图像块嵌入层、位置编码层、Transformer编码器层、自适应池化层、MLP层和输出层； 构建基于多尺度图注意力融合网络架构的故障分类VIT模型包括以下步骤， S601.输入数据预处理； 针对输入的图结构数据，使用不同图嵌入进行特征提取，得到多个特征表示；每个图嵌入可能关注不同的图结构局部或全局特征； S602.将预处理后的输入数据通过嵌入层转换为嵌入向量； 对于图像数据，使用不同尺寸2D图嵌入16*1612*128*8提取特征，将每个图像块映射到嵌入特征空间展平为向量； 图嵌入映射计算公式如下， 其中，表示不同尺寸图嵌入提取的图特征；分别表示不同尺寸和不同空间位置的图嵌入； S603.位置编码； 引入位置信息，使用正余弦编码的位置编码形式对不同图嵌入的输入向量进行加权平均；在自注意力机制中引入序列信息，以便模型能够感知输入序列中不同位置的相对位置关系； S604.搭建多层Transformer编码器； S605.损失函数和优化算法； 对处理后的结果使用交叉熵损失函数进行损失计算，选择Adam优化算法，根据梯度更新网络的参数； 步骤7、获得轴承故障类型状况的分类结果； 将融合后的时频特征图像集Image划分为训练集和验证集，导入预设故障分类模型以得到健康或相应的故障类型状况的分类结果。

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中国海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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。