Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南工商大学侯海良获国家专利权

湖南工商大学侯海良获国家专利权

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!

龙图腾网获悉湖南工商大学申请的专利一种工业产品质量预测方法、装置及介质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:CN121435155B

龙图腾网通过国家知识产权局官网在2026-05-08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:202511999929.4,技术领域涉及:G06F18/25;该发明授权一种工业产品质量预测方法、装置及介质是由侯海良;张颖;欧晨;陈洁;李世玲;潘卓夫;李俊杰;李彦毅设计研发完成,并于2025-12-29向国家知识产权局提交的专利申请。

一种工业产品质量预测方法、装置及介质在说明书摘要公布了:本发明提供一种工业产品质量预测方法、装置及介质,该方法包括:获取工业过程的多变量时序数据,并划分为训练集和测试集;通过离散傅里叶变换得到训练集对应的增强频域特征;通过复频域自组织映射SOM网络对增强频域特征进行拓扑保持与低维投影处理,得到SOM投影频域特征;设计包含时域特征与SOM投影频域特征的时频注意力融合机制,并基于时频注意力融合机制以及时序卷积网络捕获全局‑局部时间模式,构建时频注意力融合网络模型;将测试集输入时频注意力融合网络模型,得到工业产品质量的预测值。该方法、装置及介质能够解决现有的工业产品质量预测方法无法自适应融合时域与频域特征,导致工业产品质量预测准确性不高的问题。

本发明授权一种工业产品质量预测方法、装置及介质在权利要求书中公布了:1.一种工业产品质量预测方法,其特征在于,所述方法包括: 获取工业过程的多变量时序数据,并将所述多变量时序数据划分为训练集数据和测试集数据; 根据所述训练集数据,通过离散傅里叶变换得到所述训练集数据对应的增强频域特征; 通过复频域自组织映射SOM网络对所述增强频域特征进行拓扑保持与低维投影处理,得到SOM投影频域特征; 设计包含时域特征与所述SOM投影频域特征的时频注意力融合机制,并基于所述时频注意力融合机制以及时序卷积网络捕获全局-局部时间模式,构建时频注意力融合网络模型; 将所述测试集数据输入所述时频注意力融合网络模型,得到工业产品质量的预测值; 所述设计包含时域特征与所述SOM投影频域特征的时频注意力融合机制,并基于所述时频注意力融合机制以及时序卷积网络捕获全局-局部时间模式,构建时频注意力融合网络模型,具体包括: 将所述SOM投影频域特征作为输入特征矩阵,并对所述输入特征矩阵进行线性投影变换,生成查询矩阵、键矩阵和值矩阵; 将所述查询矩阵、键矩阵和值矩阵重塑为多注意力头形式,并将所述查询矩阵、键矩阵和值矩阵按特征维度分别均匀分割为多个子矩阵,得到每个注意力头对应的查询子矩阵、键子矩阵和值子矩阵; 根据每个所述注意力头对应的查询子矩阵、键子矩阵和值子矩阵以及每个所述注意力头的维度,计算每个所述注意力头的缩放点积注意力; 将每个所述注意力头的缩放点积注意力进行拼接,并通过输出投影层生成最终的注意力特征; 对所述注意力特征依次进行时序卷积处理和全局平均池化处理,并通过多层全连接预测网络将池化后的所述注意力特征映射到目标输出空间,以实现构建所述时频注意力融合网络模型; 所述时序卷积处理用于捕获序列中的局部时序依赖关系,所述全局平均池化处理用于将时序维度上的特征信息聚合为固定长度的特征向量。

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湖南工商大学,其通讯地址为:410205 湖南省长沙市岳麓区岳麓大道569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。