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！

龙图腾网获悉博盛智慧物联科技有限公司申请的专利一种基于深度学习的矿井设备故障智能诊断预测系统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：CN121456614B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610003508.X，技术领域涉及：G06F18/241；该发明授权一种基于深度学习的矿井设备故障智能诊断预测系统是由袁涛鹏;刘宗玉;雷光利;张文举设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种基于深度学习的矿井设备故障智能诊断预测系统在说明书摘要公布了：本发明公开了一种基于深度学习的矿井设备故障智能诊断预测系统，涉及智能诊断技术领域，包括，数据采集与预处理模块，用于收集设备的运行数据并进行预处理得到标准化后的数据；时频图生成模块，用于标准化后的数据生成初步时频图，并通过空间注意力机制结合联合掩码形成增强时频图，基于增强时频图通过TextureCrop方法优化NetA模型和NetB模型，分别生成扫描图像并进行结合，裁剪生成目标时频图；高维特征提取模块，用于目标时频图使用深度卷积神经网络进行特征提取得到高维特征向量，使用图卷积网络更新高维特征向量。本发明提升了矿井设备故障诊断的精准性。

本发明授权一种基于深度学习的矿井设备故障智能诊断预测系统在权利要求书中公布了：1.一种基于深度学习的矿井设备故障智能诊断预测系统，其特征在于：包括， 数据采集与预处理模块，用于收集设备的运行数据并进行预处理得到标准化后的数据； 时频图生成模块，基于标准化后的数据生成初步时频图，并通过空间注意力机制结合联合掩码形成增强时频图，基于增强时频图通过TextureCrop方法优化NetA模型和NetB模型，分别生成扫描图像并进行结合，裁剪生成目标时频图； 所述基于增强时频图通过TextureCrop方法优化NetA模型和NetB模型，分别生成扫描图像并进行结合，裁剪生成目标时频图指构建NetA模型网络架构，通过TextureCrop方法得到全局纹理能量图E，基于全局纹理能量图E得到注意力掩码，将损失图与掩码相乘得到加权后的损失值，计算总损失函数； 构建NetB网络架构，使用预先训练好的轻量CNN模型以历史高分辨率B-扫描图像为输入，对B-扫描图像应用TextureCrop方法得到图块的纹理能量值，计算出每个图块的纹理能量值生成图块的重要性得分，使用重要性得分为监督标签，训练轻量级CNN模型，将待处理的高分辨率B-扫描图像同样划分为固定大小的非重叠图块，利用已训练好的轻量级CNN模型，输出每个图块的重要性分数，根据重要性分数对图块排序，选取Top-K高分图块送入NetB模型，增强后的图块会与未被选中的低分图块按照在原图中的空间位置重新拼接，构成完整的增强B-扫描图像，计算总损失函数，利用Adam优化器对总损失函数进行反向传播，自动更新NetB模型的所有网络参数，将新的低质量B-扫描图像输入已收敛的NetB模型，模型输出增强B-扫描图像； 通过B-扫描图像，使用缺陷检测算法识别缺陷区域，通过NetA模型前向推理直接输出增强后的高保真时频图作为A-扫描图像，将B-扫描图像与A-扫描图像的时间段进行关联，根据B-扫描的深度信息，反向映射到A-扫描图像的时间点，对A-扫描图像在对应时间段内进行时频变换，生成时段的时频图，对时频图进行裁剪，生成目标时频图； 高维特征提取模块，基于目标时频图使用深度卷积神经网络进行特征提取得到高维特征向量，使用图卷积网络更新高维特征向量； 故障分类预测模块，根据更新的高维特征向量使用多层感知器进行故障预测，采用元启发式优化算法进行超参数优化，得到最优超参数； 故障预警判断模块，基于故障预测结果对设备非正常运行状态进行判断，基于最优超参数进行模型训练获得训练好的完整模型权重文件； 可视化报告生成模块，使用训练好的完整模型权重文件进行在线增强与预测并结合故障预测判断结果生成可视化报告。

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博盛智慧物联科技有限公司，其通讯地址为：730070 甘肃省兰州市安宁区银滩路街道银安路400号(兰州安宁吾悦广场B-5号楼第2幢19层1909室)；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。