中国计量大学;浙江工业大学;浙江中控信息产业股份有限公司肖刚获国家专利权
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！
龙图腾网获悉中国计量大学;浙江工业大学;浙江中控信息产业股份有限公司申请的专利基于特征增强动态图卷积的机器异常声音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：CN121483303B 。
龙图腾网通过国家知识产权局官网在2026-03-20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：202610019504.0，技术领域涉及：G10L25/51；该发明授权基于特征增强动态图卷积的机器异常声音检测方法是由肖刚;钟流彬;李仁;赵鸿鸣;姜雪明;陆佳炜;程振波;张元鸣设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。
本基于特征增强动态图卷积的机器异常声音检测方法在说明书摘要公布了：一种基于特征增强动态图卷积的机器异常声音检测方法，属于机器异常声音检测领域，首先将机器原始音频信号通过特征提取器生成时频谱特征表示；使用FE模块通过1D‑FFT、多尺度趋势周期分解和Token‑Transformer结构，提取多尺度特征，得到增强特征谱图；使用SDA‑GCN和DCA‑GCN网络结构，基于增强特征谱图挖掘设备间的共享特征和动态差异，缩小域偏移下的特征差异；通过粗粒度标签分类器、细粒度标签分类器和域分类器，结合GRL和CORAL损失，实现特征空间的细粒度对齐；使用三阶段训练策略，通过感知一致性预训练、无监督对比分类学习和基于重构误差的异常检测优化模型。本发明实现高性能的异常检测。
本发明授权基于特征增强动态图卷积的机器异常声音检测方法在权利要求书中公布了：1.一种基于特征增强动态图卷积的机器异常声音检测方法，其特征在于，所述方法包括以下步骤： 第一步，首先将机器原始音频信号通过特征提取器生成时频谱特征表示； 第二步，使用FE模块通过1D-FFT、多尺度趋势周期分解和Token-Transformer结构，提取融合局部周期性和长距离依赖的多尺度特征，得到增强特征谱图； 第三步，使用SDA-GCN和DCA-GCN网络结构，基于增强特征谱图挖掘设备间的共享特征和动态差异，缩小域偏移下的特征差异； 第四步，通过粗粒度标签分类器、细粒度标签分类器和域分类器，结合GRL和CORAL损失，实现特征空间的细粒度对齐，缓解非结构性域偏移； 第五步，使用三阶段训练策略，通过感知一致性预训练、无监督对比分类学习和基于重构误差的异常检测三个阶段优化模型的稳定性、判别性和跨域鲁棒性。
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中国计量大学;浙江工业大学;浙江中控信息产业股份有限公司，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励