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！

龙图腾网获悉重庆大学申请的专利基于AICDA模型的机械故障多源混合迁移诊断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：CN116756607B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310585186.0，技术领域涉及：G06F18/24；该发明授权基于AICDA模型的机械故障多源混合迁移诊断方法是由秦毅;钱泉;罗均;毛永芳设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本基于AICDA模型的机械故障多源混合迁移诊断方法在说明书摘要公布了：本发明涉及一种基于AICDA模型的机械故障多源混合迁移诊断方法，属于机械故障诊断技术领域。该方法主要包括构建AICDA模型，采用一维卷积神经网络作为主干网络，包括四个“ConV1D”卷积块、两个FC卷积层、四个DIA层、四个类级DIA层和一个AdaSoftmax分类损失；然后将划分好的的训练样本输入到构建好的AICDA模型中，利用目标域样本的伪标签自监督学习函数和多个源域样本的真实标签学习函数构成的总体优化目标函数对AICDA模型进行迭代优化训练。本发明提高了迁移诊断的精度和泛化能力。

本发明授权基于AICDA模型的机械故障多源混合迁移诊断方法在权利要求书中公布了：1.一种基于AICDA模型的机械故障多源混合迁移诊断方法，其特征在于，该方法具体包括以下步骤： S1：将加速度传感器安装在机械设备上，采集不同工况下的原始振动信号；然后，将采集到的原始振动信号利用滑动采样技术扩充故障样本数据集，并划分出训练样本集和测试样本集； S2：构建AICDA模型，该模型采用一维卷积神经网络作为主干网络，包括四个“ConV1D”卷积块、两个FC卷积层、四个DIA层、四个类级DIA层和一个AdaSoftmax分类损失；其中，AICDA表示自适应中间类级分布对齐；DIA表示动态中间对齐，表达式为： 其中，γ和β是可梯度反向传播自动更新的训练参数； 其中，XS和XT分别表示源域特征和目标域特征，对应服从正态分布和和分别表示为源域和目标域的分布参数；ZS和ZT分别表示分布对齐后的源域特征和目标域特征； AdaSoftmax分类损失表示自适应分类损失，AdaSoftmax分类损失Ly的表达式为： 其中，Fic表示网络最后一个全连接层输出第i个样本特征Fi的对应于标签索引位置的元素值，Fij表示除标签索引位置元素的其他元素，m表示样本数量；k是决策裕度； S3：将划分好的的训练样本输入到构建好的AICDA模型中，利用目标域样本的伪标签自监督学习函数和多个源域样本的真实标签学习函数构成的总体优化目标函数对AICDA模型进行迭代优化训练； S4：经过多次迭代训练，观察损失曲线是否趋于平稳收敛，如果曲线收敛则模型训练完成，训练好的AICDA模型将用于不同工况下的机械多源混合迁移故障诊断。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。