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！

龙图腾网获悉徐州徐工矿业机械有限公司;中国矿业大学申请的专利一种基于自学习图卷积网络的工程机械智能故障诊断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：CN115905940B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211325446.2，技术领域涉及：G06F18/241；该发明授权一种基于自学习图卷积网络的工程机械智能故障诊断方法是由姬盛飞;李伟;王勇;张博;文俊;黄思强;张聪聪;刘永参;渠立红;王春磊;张志洋设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本一种基于自学习图卷积网络的工程机械智能故障诊断方法在说明书摘要公布了：本发明所涉及的液压泵异常检测方法，是在对递归图卷积网络算法RecurrentGraphConvolutionalNetwork，RGCN进行分析的基础上，提出了一种基于自学习图卷积网络的工程机械智能故障诊断方法。所依据的工况类型是液压泵在挖掘机行走、回转单一动作和动臂、斗杆、铲斗联动的复合动作下的工况状态。在此基础上通过对RGCN中邻接矩阵的优化和模型的超参数进行调整，结合LSTM分析多源时序数据在时间和空间的相关性，并利用VAE对特征信息进行编码，构建了RGCN‑LSTM‑VAE算法融合模型。将该模型用于液压泵的异常检测，结果表明，基于多元时序数据的RGCN‑LSTM‑VAE算法融合模型在液压泵异常检测方面可以取得良好的异常检测效果。

本发明授权一种基于自学习图卷积网络的工程机械智能故障诊断方法在权利要求书中公布了：1.一种基于自学习图卷积网络的工程机械智能故障诊断方法，其特征在于：包括如下步骤： 步骤1：采集了液压泵实际工况下的多元时序数据作为输入序列； 步骤2：根据工况类型和采集的多元时序数据划分工况；分为单一工况序列和复合工况序列；并划分出训练集和测试集； 步骤3：利用基于空间的RGCN来对数据的空间信息进行编码；和输入到两个具有不同邻接矩阵但节点关系相同以及线性变换对应权重相同的RGCN中，利用自适应分类器区分空间特征和； 步骤4：对基于RGCN生成的空间特征和，利用LSTM进一步编码时间特征信息，生成时间特征和，并组合成特征集； 步骤5：假设特征集，的先验服从多元高斯分布，即；近似后验是多元高斯分布，即，则使用重新参数化技巧对进行采样； 步骤6：信号重构，对LSTM和RGCN组成的进行重构，重构后的序列表示为，并计算相应的损失函数； 步骤7：计算重构误差，如果时间戳的重构误差大于定义的阈值，将时间戳对应的数值标记为异常。

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徐州徐工矿业机械有限公司;中国矿业大学，其通讯地址为：221000 江苏省徐州市徐州经济技术开发区和平大道169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。