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！

龙图腾网获悉昆明理工大学申请的专利一种基于图神经网络的未知工况设备状态异常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：CN121615053B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610144736.9，技术领域涉及：G06F18/2433；该发明授权一种基于图神经网络的未知工况设备状态异常检测方法是由刘畅;赵嘉欣;贺飞飞;周俊设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种基于图神经网络的未知工况设备状态异常检测方法在说明书摘要公布了：本发明公开了一种基于图神经网络的未知工况设备状态异常检测方法，属于机械设备故障诊断领域。方法包括：对未知工况设备的正常状态数据和异常状态数据分别进行预处理，获得各状态下不同层的低频数据，并确定分析层；对两种状态下的分析层所对应的数据分别进行分段处理；对各分段处理数据从多角度提取特征；对各状态下的分段处理数据，获得多模态特征节点集，并采用特征质心层次聚类的图构建方法，生成工况图特征集；使用工况图特征集获得训练好的消息传递图神经网络模型。本发明在构建工况图特征集的基础上，依据构建的消息传递图神经网络模型有效实现了对未知工况设备的异常检测。

本发明授权一种基于图神经网络的未知工况设备状态异常检测方法在权利要求书中公布了：1.一种基于图神经网络的未知工况设备状态异常检测方法，其特征在于，包括： 步骤一：获取未知工况设备的振动数据；其中，未知工况设备的振动数据包括正常状态数据和异常状态数据； 步骤二：对未知工况设备的正常状态数据和异常状态数据分别进行预处理，获得各状态下不同层的低频数据；依据正常状态数据的频谱图、异常状态数据的频谱图进行差异对比，确定差异频率范围；从各状态下不同层的低频数据中选择覆盖差异频率范围最大的一层作为分析层； 步骤三：根据预设的分段点数，对两种状态下的分析层所对应的数据分别进行分段处理，获得多个分段处理数据；对各个分段处理数据从多角度提取第一预设数量的特征；对各状态下的分段处理数据依据第二预设数量进行分组，对分组后的各组分段处理数据的同一特征构建特征节点，用于实现每个特征均构建出具有第二预设数量维度的个特征节点；通过提取的第一预设数量的特征构建出的特征节点形成×的多模态特征节点集；其中，为第一预设数量； 步骤四：依据多模态特征节点集，采用特征质心层次聚类的图构建方法先构建特征质心节点，再依据特征质心节点构建图特征结构，最终生成个图特征结构构成的工况图特征集； 步骤五：搭建融合消息传递机制的消息传递图神经网络模型；使用工况图特征集对消息传递图神经网络模型进行训练学习，获得训练好的消息传递图神经网络模型对未知工况设备状态进行检测； 所述步骤四，具体为：对多模态特征节点集中每个特征节点的第二预设数量维度的特征向量依据K-means聚类方法选取个质心构建特征质心节点，通过×个特征质心节点形成×的特征质心节点集； 以特征质心节点集中各行的个特征质心节点为构图依据，利用层次聚类的方法对各特征质心节点进行压缩相似度矩阵计算，以构建图特征结构，通过个图特征结构形成工况图特征集； 所述以特征质心节点集中各行的个特征质心节点为构图依据，利用层次聚类的方法对各特征质心节点进行压缩相似度矩阵计算，以构建图特征结构，具体为：以特征质心节点集中各行的个特征质心节点为依据，将每个特征质心节点都当作簇，只选取相似度矩阵最大值的两个簇进行边连接后形成了新簇1，依据新簇1形成新相似度矩阵1；依据新相似度矩阵1，只选取新相似度矩阵1最大值的两个簇进行边连接后形成新簇2，依据新簇2形成新相似度矩阵2，以此类推，经过-1次压缩相似度矩阵，获得图特征结构。

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昆明理工大学，其通讯地址为：650031 云南省昆明市五华区一二一大街文昌路68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。