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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于数据分片和门控双注意力神经网络的泵故障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：CN121614957B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610147251.5，技术领域涉及：G06F18/241；该发明授权基于数据分片和门控双注意力神经网络的泵故障检测方法是由孙志慧;王晨菘设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本基于数据分片和门控双注意力神经网络的泵故障检测方法在说明书摘要公布了：本发明涉及故障检测技术领域，具体涉及一种基于数据分片和门控双注意力神经网络的泵故障检测方法，包括S1、收集工业泵不同工况的振动信号数据，对信号预处理操作并划分为训练集、验证集和测试集；S2、通过重叠切片模块将长序列振动信号划分为重叠的片段；S3、将片段输入至门控双注意力模块特征提取；S4、将门控双注意力模块输出的全局特征输入至分类模块，映射为故障类别概率分布；S5、定义损失函数与优化策略，使用训练集对模型训练；S6、选取在验证集上性能最优的权重，使用独立的测试集评估模型的最终故障检测性能。本发明通过引入重叠切片策略和门控双注意力机制，显著提高了复杂噪声环境下对泵多种故障的识别准确率与鲁棒性。

本发明授权基于数据分片和门控双注意力神经网络的泵故障检测方法在权利要求书中公布了：1.一种基于数据分片和门控双注意力神经网络的泵故障检测方法，其特征在于：包括以下步骤： S1、收集工业泵在不同工况下的振动信号数据，对信号进行预处理操作，并划分为训练集、验证集和测试集； S2、通过重叠切片模块将长序列振动信号划分为多个重叠的片段，以捕获不同时间尺度下的故障特征； S3、将片段输入至门控双注意力模块进行特征提取，门控双注意力模块依次执行： 局部多头自注意力操作，以提取片段内部的局部瞬态特征； 门控机制操作，对局部特征进行自适应通道级缩放，以增强故障相关特征并抑制噪声； 全局交叉注意力操作，以建模不同片段之间的长程依赖关系，捕捉故障的全局演化模式； 门控双注意力特征提取：将切片后的片段输入门控双注意力模块进行核心特征提取；该模块依次执行以下子步骤：局部多头自注意力处理：对每个片段进行嵌入，并计算片段内时间步之间的关系，以捕捉局部瞬态特征；嵌入公式：；其中GELU表示激活函数，让特征由非线性表达能力，输出的维度变为，表示嵌入层的权重矩阵；表示嵌入层的偏置向量；多头注意力计算：；其中concat表示拼接函数，表示局部多头注意力的输出投影矩阵是这个模块里的一个权重矩阵，作用是把多个注意力头的结果整合起来，输出最终的局部注意力特征；其中每个注意力头表示为： ；其中计算每个时刻和其他时刻的相似度；为缩放因子，避免相似度数值太大导致Softmax结果太极端，最后和V相乘：用注意力权重对特征加权求和，得到这个头关注的局部特征；通过残差连接和层归一化得到局部增强特征： ； ； 其中表示归一化后的特征，既保留了原始信息，又加入了注意力提取的局部关系；表示前馈神经网络，也就是说对进行非线性变换，捕捉更复杂的非线性关系，表示最终的局部增强特征，既包含原始信息，又包含注意力关系，还包含非线性模式； 门控机制操作具体包括： 对局部多头自注意力输出的特征沿时间维度进行平均池化，得到片段级全局统计特征； 将输入一个两层瓶颈网络，生成门控向量，公式为：，将门控向量通过广播机制与进行逐元素相乘，实现特征的自适应缩放，得到门控后的特征；其中，表示先把D维压缩到D4维，再恢复到D维；是第一个全连接层的偏置向量，是第二个全连接层的偏置向量； 全局交叉注意力操作具体包括：对各门控后的片段特征进行平均池化，得到各片段的表征向量，并组合成片段级表征矩阵；将分别映射为查询矩阵、键矩阵和值矩阵； 计算全局注意力输出；将映射回原维度后与对应的门控局部特征相加融合，得到最终的特征表示； S4、将门控双注意力模块输出的全局特征输入至分类模块，映射为故障类别的概率分布，完成故障检测； S5、定义损失函数与优化策略，使用训练集对模型进行端到端训练； S6、模型训练完成后，选取在验证集上性能最优的权重，使用独立的测试集评估模型的最终故障检测性能。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区大学路3501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。