一种基于自适应Bi-LSTM的实时故障诊断方法

本发明记载了一种基于自适应Bi‑LSTM的实时故障诊断方法，步骤包括：S1，采集包括多种故障类型在内的齿轮箱原始故障信号，每种故障类型设置一定的样本量构成数据集；提取原始故障信号的关键特征并构建特征向量；S2，基于弹性网络优化Lasso回归对特征向量进行特征降维；S3，构建基于稀疏注意力机制改进的自适应Bi‑LSTM神经网络，对特征降维后的特征向量进行故障诊断。本发明记载的方法，从时域和频域两个角度提取故障特征，能够充分挖掘故障信号本质信息。基于弹性网络改进的Lasso方法，对高维特征进行降维，能够有效降低数据维度并减少冗余特征干扰。基于自适应Bi‑LSTM神经网络，对筛选后的特征进行故障诊断，实现齿轮箱复合故障的准确与实时识别。

《一种基于自适应Bi-LSTM的实时故障诊断方法》是一发明专利，专利号为 2025112455114，当前法律状态为已下证，由江西水利电力大学提出申请，发明人为王松涛;王培昂;王亚迪;吕才兴;包学才;向双双，申请日期为2025-09-02，公开（公告）日期为2025-10-31，国际专利分类号（IPC）为 G06F 18/213 (2023.01)，高新资质：未报高企，所属技术领域包括：（故障诊断、Bi-LSTM、稀疏注意力、Lasso降维、齿轮箱、时域频域特征、预测性维护、旋转机械、深度学习、故障识别）。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明记载了一种基于自适应Bi‑LSTM的实时故障诊断方法，步骤包括：S1，采集包括多种故障类型在内的齿轮箱原始故障信号，每种故障类型设置一定的样本量构成数据集；提取原始故障信号的关键特征并构建特征向量；S2，基于弹性网络优化Lasso回归对特征向量进行特征降维；S3，构建基于稀疏注意力机制改进的自适应Bi‑LSTM神经网络，对特征降维后的特征向量进行故障诊断。本发明记载的方法，从时域和频域两个角度提取故障特征，能够充分挖掘故障信号本质信息。基于弹性网络改进的Lasso方法，对高维特征进行降维，能够有效降低数据维度并减少冗余特征干扰。基于自适应Bi‑LSTM神经网络，对筛选后的特征进行故障诊断，实现齿轮箱复合故障的准确与实时识别。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！