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！

龙图腾网获悉广东工业大学申请的专利基于多头卷积和差分自注意力的故障诊断方法及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：CN115857467B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211486248.4，技术领域涉及：G05B23/02；该发明授权基于多头卷积和差分自注意力的故障诊断方法及装置是由扶治森;陈新度;吴磊设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于多头卷积和差分自注意力的故障诊断方法及装置在说明书摘要公布了：本发明涉及基于多头卷积和差分自注意力的故障诊断方法，首先对获取的数据样本集通过多头卷积嵌入算法处理进行维度扩展，接着在样本集的顶部加上一层可以学习的参数，为样本集的每一个元素均加上一个可以学习的参数，然后对样本集通过改进的transformer编码器模块进行处理得到最终的输出，只取最终的输出的顶部的一层通过分类器进行分类得到最终的分类结果，进而基于分类结果得到故障诊断结果，发明在缺乏大量故障样本情况下，依旧能对轴承实现高准确度的故障诊断，与其他基准模型和现有方法相比，本发明具有更高的诊断精度和稳定性，且能在强噪声环境下提供有效的故障诊断，具有良好的鲁棒性，此外可用于多种工况下的故障诊断，泛化能力较强。

本发明授权基于多头卷积和差分自注意力的故障诊断方法及装置在权利要求书中公布了：1.基于多头卷积和差分自注意力的故障诊断方法，其特征在于，包括以下步骤： 步骤110、获取目标数据，从所述目标数据中截取样本，形成样本集D0，所述样本集D0的维度是[n,b]，n是样本的数量，b是单个样本的长度； 步骤120、对所述样本集D0进行多头卷积嵌入算法处理，形成样本集D1，所述样本集D1的维度为[n,b,d]，d是扩展的维度； 步骤130、在样本集D1的顶部加上一层可以学习的参数[n,1,d]，得到样本集X，所述样本集X的维度变成[n,b+1,d]，之后为样本集X的每一个元素均加上一个可以学习的参数，此处保持维度不变； 步骤140、对样本集X[n,b+1,d]通过改进的transformer编码器模块进行处理得到最终的输出Xout； 步骤150、只取Xout的顶部的一层，记为Xtop，Xtop的维度是[n,1,d]，将Xtop通过两层的全连接层构成的分类器进行处理，输出记为Xclass，Xclass的维度是[n,nc]； 步骤160、基于所述Xclass得到最终的分类结果，进而进行故障诊断； 具体的，改进的transformer编码器模块的作用过程包括以下步骤， 步骤210对样本集X分别使用四种不同参数的全连接层进行作用得到维度均为[n,b+1,d4]的输出Xi，i取1-4，将每个Xi输入到差分自注意力算法模块，得到对应的输出Xi-out，维度不变，然后将各个Xi-out在第三维度上拼接起来，形成输出Xout_1，Xout_1维度变成[n,b+1,d]； 步骤220、将得到的Xout_1和之前的X相加后进行标准化，得到Xout_2，Xout_2维度依旧是[n,b+1,d]； 步骤230、将Xout_2经过两层全连接层映射，得到Xout_3，维度不改变； 步骤240、将得到的Xout_3和之前的Xout_2相加后进行标准化，得到Xout_4，维度不变； 步骤250、将Xout_4作为新的样本集再经过步骤210至步骤240处理，并重复至少两次，得到最终的输出Xout； 具体的，所述差分自注意力算法模块的作用过程包括以下步骤， 从Xi中截取一层特征； 与Xi通过广播机制相减得到结果A； 将A进行平方后取相反数再在纵向作softmax得到B； 将B与Xi作哈达玛积得到C； 将C纵向求和后得到输出； 由于Xi共有b+1的特征，每一个特征均对应一个输出，所以b+1个就能够拼接成Xi-out，且维度不变。

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广东工业大学，其通讯地址为：510000 广东省广州市番禺区外环西路100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。