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！

龙图腾网获悉浙江工业大学申请的专利基于图机器学习的小型全封闭压缩机隐性缺陷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：CN116609265B 。

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：202310517688.X，技术领域涉及：G01N19/08；该发明授权基于图机器学习的小型全封闭压缩机隐性缺陷检测方法是由沈希;谢敏杰;孙哲;黄跃进;金华强;顾江萍;李康;石凌;姚琪威设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本基于图机器学习的小型全封闭压缩机隐性缺陷检测方法在说明书摘要公布了：本发明公开了一种基于图机器学习的小型全封闭压缩机隐性缺陷检测方法，重点解决小型全封闭压缩机在出厂整机检验时，由于压缩机型号繁多且更换频繁，传统机器学习模型泛化性不足，而导致更换型号后诊断精度下降的问题。本发明充分利用压缩机运行过程中壳体的振动信号，将其按照一种特殊的基于逻辑关系的构图方法转换成图结构的形式，后经图卷积神经网络进行表征学习，挖掘振动信号中更具共性的特征指标，从而提升模型的泛化性。本发明有效改善了现有小型全封闭压缩机隐性缺陷诊断方法无法适用于多个型号压缩机诊断的问题，提高了隐性缺陷诊断技术实际应用的可能性。

本发明授权基于图机器学习的小型全封闭压缩机隐性缺陷检测方法在权利要求书中公布了：1.一种基于图机器学习的小型全封闭压缩机隐性缺陷检测方法，其特征在于包括如下步骤： 1搭建壳体振动信号采集系统，利用加速度传感器产生振动，在实际生产环境中，采集多个型号压缩机运行过程的壳体振动数据； 2将采集到的原始振动数据进行预处理，获得完整启停过程的振动数据，建立原始数据集； 3将单个样本的振动数据划分为启动、平稳、结束三个阶段，以X轴方向振动数据为例，将三个运行阶段的振动数据进行划分，生成偶数个时域节点； 4以X轴方向振动数据为例，将两个时域节点的数据拼接后计算频域特征，得到频域节点； 5完成X轴方向振动数据子图的构建，重复步骤3和步骤4，分别得到Y轴方向和Z方向振动数据的子图，其中步骤3至5中的图构造具体包括： a时域节点连接：在启动阶段和结束阶段，按采样时间的先后顺序将时域节点依次相连；在平稳阶段，采用随机策略将时域节点进行边连接；同时，将启动阶段和结束阶段的对应时域节点进行连接，以融合两个阶段的时域信息； b频域节点连接：将同一阶段内生成的频域节点进行边连接，并将每个频域节点与生成该频域节点的两个时域节点进行边连接；同时，将启动阶段和结束阶段的频域节点进行边连接，以融合两个阶段的频域信息； c三轴子图连接：将X、Y、Z三个方向子图中结构顺序相同的节点依次两两连接； 6对原始数据集中的样本重复上述步骤3-5，完成振动信号图样本数据集的创建，并以8:2的比例划分训练集和测试集； 7构建一个图卷积神经网络模型对图结构数据进行特征提取和模式识别； 8将图数据训练集送入步骤7所述图卷积神经网络模型中，训练得到最优的诊断模型，测试集用于对诊断模型的性能进行评价，得到的模型能对多个型号的小型全封闭压缩机实现检测分类； 9借助OpenVINO工具，将模型转换为IR格式，基于LabVIEW平台对IR模型进行部署调用，以提高系统推理速度和稳定性，配合数据采集装置，将诊断系统部署在工业生产线，即可实现在线诊断。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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。