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！

龙图腾网获悉山东能源数智云科技有限公司申请的专利基于人工智能的机泵类设备状态监测与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：CN121350781B 。

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：202511892866.2，技术领域涉及：G06F18/241；该发明授权基于人工智能的机泵类设备状态监测与故障诊断方法是由靳远志;王玉石;尹旭;包明明;李玉奎;朱运恒设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本基于人工智能的机泵类设备状态监测与故障诊断方法在说明书摘要公布了：本发明提供了一种基于人工智能的机泵类设备状态监测与故障诊断方法，涉及数据处理技术领域，包括：基于预先设置的振动传感器获取目标类别的机泵设备的振动信号，并进行标注；基于预先设置的双通道特征提取模型提取振动信号的特征；基于振动信号的特征迭代训练预设的基础故障诊断模型，直至达到预设的训练完成条件；将预设数量的故障诊断模型捆绑构建泵类设备状态推理模型；获取目标类别的机泵设备的运行振动信号，将运行振动信号输入泵类设备状态推理模型中，输出故障类别；通过时频双通道融合与多尺度感知，提升故障识别精度；利用物理先验约束增强结果合理性与可解释性；并通过模型集成优化，改善复杂场景下的分类稳定性与可靠性。

本发明授权基于人工智能的机泵类设备状态监测与故障诊断方法在权利要求书中公布了：1.一种基于人工智能的机泵类设备状态监测与故障诊断方法，其特征在于，包括： 基于预先设置的振动传感器获取目标类别的机泵设备的振动信号，并进行标注；其中，标注的标签表征所述目标类别的机泵设备的运行状态类别； 基于预先设置的双通道特征提取模型提取所述振动信号的特征；其中，所述双通道特征提取模型包括：时域特征提取通道和频域特征提取通道；所述振动信号的特征包括：基于振动信号时域特征和振动信号频域特征拼接的融合特征； 基于所述振动信号的特征迭代训练预设的基础故障诊断模型，直至达到预设的训练完成条件，将完成训练的所述基础故障诊断模型确定为故障诊断模型；其中，所述基础故障诊断模型包括：依次连接的时频双通道交互门控神经网络模块、多尺度残差膨胀卷积模块和融合物理先验的输出层结构；所述时频双通道交互门控神经网络模块，用于融合所述振动信号时域特征和所述振动信号频域特征；所述多尺度残差膨胀卷积模块，用于提取多周期特征并增强时间尺度感知；所述融合物理先验的输出层结构，用于实现对机泵设备状态的解释性分类预测；所述基础故障诊断模型的最终输出基于预先设置的故障状态转移矩阵和所述融合物理先验的输出层结构的输出结果约束； 将预设数量的所述故障诊断模型捆绑构建泵类设备状态推理模型；其中，基于所述故障诊断模型的故障类别概率分布的信息熵确定权重；将累加权重最大的故障类别确定为所述泵类设备状态推理模型的输出； 获取所述目标类别的机泵设备的运行振动信号，将所述运行振动信号输入所述泵类设备状态推理模型中，输出故障类别； 其中，所述多尺度残差膨胀卷积模块包括：依次连接的层级为1的残差块、层级为2的残差块和层级为3的残差块；残差块通过下述公式约束：；其中，为膨胀率为的膨胀卷积操作；为第层残差块的膨胀率；为层级为的残差块；为残差块层级索引；为LeakyReLU激活函数；为跳跃连接分支，计算方式表示为；为1×1卷积操作，用于保持特征维度不变；为所述时频双通道交互门控神经网络模块的最终输出特征；所述多尺度残差膨胀卷积模块的输出通过下述公式约束：；其中，为所述层级为的残差块；为所述层级为的残差块；为所述层级为的残差块；为所述多尺度残差膨胀卷积模块的输出特征； 所述基础故障诊断模型的最终输出基于预先设置的故障状态转移矩阵和融合物理先验的输出层结构的输出结果约束，包括： 基于预设的转移矩阵和预设的谐波因子进行校正；其中，所述转移矩阵表征两个所述故障状态之间是否可以直接转移；所述谐波因子基于振动频谱确定。

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山东能源数智云科技有限公司，其通讯地址为：250000 山东省济南市中国(山东)自由贸易实验区济南片区经十路汉峪金谷A1-4-1501；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。