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！

龙图腾网获悉哈尔滨工业大学申请的专利基于多特征融合和深度学习的振动监测数据异常检测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：CN116502163B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310427373.6，技术领域涉及：G06F18/2433；该发明授权基于多特征融合和深度学习的振动监测数据异常检测方法是由周文松;张秀林设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本基于多特征融合和深度学习的振动监测数据异常检测方法在说明书摘要公布了：基于多特征融合和深度学习的振动监测数据异常检测方法，涉及结构健康监测技术领域。本发明是为了解决现有的结构异常振动数据自动检测方法仅考虑历史数据在时域上的异常特征，导致效率低下、准确率差的问题。本发明从历史振动监测数据中分别提取残差序列和PSD序列作为训练样本，丰富了异常特征信息的同时还降低了模型输入样本的大小。将样本输入到卷积神经网络提取更高级别的数据特征，同时将历史数据在时域和频域上的特征进行融合；接着利用长短期记忆神经网络模型来学习融合后的特征序列的异常特征；最后利用训练好的模型实现振动监测数据的异常检测。

本发明授权基于多特征融合和深度学习的振动监测数据异常检测方法在权利要求书中公布了：1.基于多特征融合和深度学习的振动监测数据异常检测方法，其特征在于， 分别在被测振动监测数据段的上下峰值包络中提取残差序列，并在被测振动监测数据段的功率谱密度分布中提取与所述残差序列长度相同的功率谱密度序列； 将所述残差序列和所述功率谱密度序列并联，构建被测数据； 将所述被测数据输入至CNN-LSTM检测模型中进行检测，获得检测结果； 所述CNN-LSTM检测模型包括输入层、卷积层、池化层、展平层、LSTM层和输出层； 所述输入层用于将被测数据输入至所述卷积层； 所述卷积层采用t个大小为3*2的卷积核m按照步幅1与被测数据每个卷积采样位置的窗口向量进行一维卷积操作，生成t个特征图e； 所述池化层用于分别对t个特征图e进行最大池化操作，获得t个特征图c； 所述展平层用于将t个特征图c重新排列并进行特征融合，获得时间序列M； 所述LSTM层用于捕获时间序列M的长期相关性并学习异常特征； 所述输出层用于使用softmax激活函数对LSTM层捕获的异常特征进行分类，获得所述CNN-LSTM检测模型的检测结果； 获得CNN-LSTM检测模型的方法为： 在连续的历史振动检测数据中采集L个步长相同的历史数据段， 分别提取每个历史数据段的残差序列和功率谱密度序列， 将同一历史数据段的残差序列和功率谱密度序列并联构成一个样本，从而将所有历史数据段对应的样本构建为样本集， 对样本集中样本的类型进行标记，并将样本集中的样本划分为训练集和验证集； 构建CNN-LSTM基础模型； 利用训练集对CNN-LSTM基础模型进行训练； 利用验证集对训练好的CNN-LSTM基础模型进行验证，判断训练好的CNN-LSTM基础模型是否合格，是则获得CNN-LSTM检测模型，否则在历史振动检测数据中重新选取历史数据段对CNN-LSTM基础模型进行训练。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。