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！

龙图腾网获悉安徽大学申请的专利基于脉冲神经网络的轴承故障诊断方法及故障自监测装置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：CN121257618B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511812685.4，技术领域涉及：G06N3/049；该发明授权基于脉冲神经网络的轴承故障诊断方法及故障自监测装置是由蔡柏林;郑泽楠;司江雪;李明慧;陈向成;何舒平;张璐璐;徐琪瑞设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本基于脉冲神经网络的轴承故障诊断方法及故障自监测装置在说明书摘要公布了：本发明属于机械故障检测领域，具体涉及一种基于脉冲神经网络的轴承故障诊断方法及故障自监测装置。该方法包括构建一个用于根据输入的轴承振动信号预测轴承的故障类型的脉冲神经网络；脉冲神经网络依次包括特征提取模块、多尺度注意力模块和分类器；特征提取模块包括卷积层、最大池化层及脉冲编码层，多尺度注意力模块包括三个注意力分支；分类器包括平均池化层和全连接层。获取不同故障类型的原始振动信号作为样本数据并用于对脉冲神经网络进行监督训练；实时采集目标轴承运行过程中的轴承振动信号，并通过训练后的脉冲神经网络实现故障预测。本发明解决了现有基于神经网络的轴承故障诊断方法存在的实时性较差、鲁棒性和泛化性不足问题。

本发明授权基于脉冲神经网络的轴承故障诊断方法及故障自监测装置在权利要求书中公布了：1.一种基于脉冲神经网络的轴承故障诊断方法，其特征在于，其包括： 构建一个用于根据输入的轴承振动信号预测轴承的故障类型的脉冲神经网络；所述脉冲神经网络依次包括特征提取模块、多尺度注意力模块和分类器；所述特征提取模块依次包括卷积层、最大池化层以及基于LIF神经元模型的脉冲编码层，并用于对输入的轴承振动信号进行特征提取、下采样和脉冲触发式传递进而得到状态特征；所述多尺度注意力模块包括三个注意力分支，每个分支依次包括带残差连接的双脉冲注意力模块和带残差连接的深度可分离脉冲前馈网络，双脉冲注意力模块的卷积核分别为16、8、4；经三个分支提取的注意力加权后的增强特征经过特征拼接后作为融合特征；分类器用于通过平均池化层和全连接层根据融合特征生成分类结果； 获取不同故障类型的原始振动信号，对其进行预处理并添加故障标签后作为样本数据；将包含大量样本数据的样本数据集划分为训练集、测试集和验证集；利用交叉熵损失作为损失函数，采用替代梯度算法对脉冲神经网络进行监督训练，并保留满足性能要求的模型参数； 实时采集目标轴承运行过程中的轴承振动信号，将其输入到预训练后的脉冲神经网络中，以生成故障类型的预测结果； 在所述双脉冲注意力模块中，输入特征分为两路，其中一路依次经过卷积层、脉冲编码层和批归一化层处理后与另一路的输入进行矩阵乘法，运算后得到的特征图特征经脉冲编码层处理后得到注意力图；将注意力图与批归一化层的输出再次进行矩阵乘法，得到的特征再次经脉冲编码层处理后即为双脉冲注意力模块的输出；其中，每次矩阵乘法运算后还将矩阵的标准差作为缩放因子以调整注意力分数的幅值； 所述深度可分离脉冲前馈网络由3个脉冲编码层、2个点卷积层和1个深度可分离卷积模块构成；输入特征依次经过脉冲编码层、点卷积层和脉冲编码层处理后输入到深度可分离卷积模块，对深度可分离卷积的输入和输出进行残差连接后，再分别经脉冲编码层和点卷积层处理，得到深度可分离脉冲前馈网络的输出特征。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111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。