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！

龙图腾网获悉合肥工业大学申请的专利一种用于激光模切卷绕一体机纠偏的故障预测方法及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：CN121256736B 。

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：202511254352.4，技术领域涉及：G06F18/27；该发明授权一种用于激光模切卷绕一体机纠偏的故障预测方法及系统是由彭张林;赵善涛;张强;杨善林;陆效农;徐嘉文;朱克毓设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种用于激光模切卷绕一体机纠偏的故障预测方法及系统在说明书摘要公布了：本发明公开了一种用于激光模切卷绕一体机纠偏的故障预测方法及系统，属于智能制造与工业设备故障预测技术领域，包括采集纠偏机构的多维传感器数据并预处理；通过滑动窗口计算序列变异性系数，结合动态阈值筛选高风险异常时间段；构建基于改进的Transformer预测模型进行偏移轨迹预测；进行故障判断，将模型部署于边缘计算设备或服务器实现高效预测；本发明采用上述的一种用于激光模切卷绕一体机纠偏的故障预测方法及系统，能够降低预测误差、提升预警提前量与准确性，减少冗余计算、提升模型效率以适配工业部署，实现潜在故障识别预警、降低设备故障率与停机风险、具备显著经济与社会效益。

本发明授权一种用于激光模切卷绕一体机纠偏的故障预测方法及系统在权利要求书中公布了：1.一种用于激光模切卷绕一体机纠偏的故障预测方法，其特征在于，包括以下步骤： S1、接收来自纠偏机构多维传感器采集的原始偏移量时间序列数据并进行预处理； S2、进行设备稳定性评估，构建滑动窗口样本，在每个滑动窗口内计算序列的变异性系数以量化局部波动水平，设定动态阈值，当变异性系数值超过动态阈值时标记为高风险运行状态，筛选异常时间段； S3、构建基于改进的Transformer预测模型，所述模型包括输入嵌入层、动态扩张注意力机制、编码器和解码器，将经S2筛选得到的异常时间段对应的预处理后的数据输入模型进行预测； S31、构建特征编码的输入嵌入层，将传感器的5维原始特征线性连接并映射成512维的嵌入向量，通过计算不同频率的正弦和余弦函数生成位置编码，并嵌入512维的嵌入向量，进行时间特征的提取与嵌入，将时间特征映射到512维嵌入向量完成输入嵌入层的构建； S32、构建动态扩张注意力机制，将输入序列通过固定滑动窗口划分为多个不重叠的处理段，赋予每个注意力头不同的扩张率，不同注意力头提取局部和全局模型特征，汇总拼接成多头动态注意力机制； 构建动态扩张注意力机制的推导过程为： a.给定一组时间序列，其中是序列长度，是模型维度，固定滑动窗口大小为，并划分为个不重叠的处理段； 13 14 b.将该时间序列投影到具有维度的个注意力头中，公式如下： 15 其中，为查询矩阵，为键矩阵，为值矩阵，为对应的注意力头，为可学习，针对特定头的特征映射； c.对于每一个滑动时间段和每一个头分配一个扩张率，通过跳跃采样时间索引降低计算量，公式表示如下： 16 其中，为第个时间段，第个头跳跃采样后的有效时间间隔集合，为处理段的时间范围，为按扩张率生成的等间隔时间步； d.时间序列片段的计算注意力，将所有不重叠的时间段和注意力头进行汇总和拼接，形成多头动态注意力机制； 17 18 其中，、和分别表示针对时间序列片段中被选中的索引集合的查询、键和值表示，为多头动态注意力机制的输出，为输出投影矩阵； S33、构建编码器，包括嵌入层、动态扩张注意力层、编码器层及归一化层； S34、构建解码器，由若干解码器层堆叠构成，每层包括掩码式MDDA模块、交叉注意力模块及归一化与输出映射层； S4、若模型预测出的未来偏移轨迹趋势逼近或超出设定纠偏阈值，则生成预警信号，标记为潜在故障状态； S5、采用动态扩张注意力机制优化与分段推理机制，将模型部署于边缘计算节点或工业服务器进行预测。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。