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！

龙图腾网获悉贵州大学申请的专利一种机械零部件无监督智能故障诊断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：CN116522070B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310263292.7，技术领域涉及：G06F18/10；该发明授权一种机械零部件无监督智能故障诊断方法及系统是由黄海松;范青松;李宜汀设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种机械零部件无监督智能故障诊断方法及系统在说明书摘要公布了：本发明公开了一种机械零部件无监督智能故障诊断方法及系统，涉及智能故障诊断技术领域，包括：制作旋转机械无监督智能故障诊断数据集，搭建旋转机械无监督智能故障诊断模型；训练无监督智能故障诊断模型，设计综合考虑基于映射和基于对抗的损失函数作为优化目标；评估模型，输入测试集样本，输出预测结果，得到在无监督前提下模型将源域知识迁移至目标域时的表现效果。本发明提供的机械零部件无监督智能故障诊断方法着重优化模型的骨干网络和域适应学习方式，提升模型性能，完善特征工程，综合考虑分类损失、映射域迁移损失及对抗域迁移损失的反向优化过程，使模型准确程度得到提升，无需额外的硬件设施，降低了使用成本。

本发明授权一种机械零部件无监督智能故障诊断方法及系统在权利要求书中公布了：1.一种机械零部件无监督智能故障诊断方法，其特征在于，包括： 制作旋转机械无监督智能故障诊断数据集，搭建旋转机械无监督智能故障诊断模型； 训练无监督智能故障诊断模型，设计综合考虑基于映射和基于对抗的损失函数作为优化目标； 评估模型，输入测试集样本，输出预测结果，得到在无监督前提下模型将源域知识迁移至目标域时的表现效果； 所述故障诊断模型包括：主干特征提取网络、领域自适应迁移算法； 所述主干特征提取网络包括：以一维残差卷积网络为基础，融合空洞卷积单元、Shrinkage降噪单元、Non-LocalBlock单元； 所述空洞卷积单元包括采用使用两种扩张率的卷积核对振动信号进行特征提取，通过感受野判断模型能否学习振动信号多的多尺度特征； 所述Shrinkage降噪单元包括通过反向传播算法自动优化得到所使用的降噪滤波器参数，通过软阈值化和深度学习相结合的方式消除噪声信息并提取有效特征； 所述Non-LocalBlock单元包括通过构建一种非局部操作算子，用来捕获时间、空间和时空数据长范围特征间的联系； 所述领域自适应迁移算法包括综合考虑源域数据的分类损失PolyLoss-CE、联合最大平均差异和条件领域对抗网络相应数值。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；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”。