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！

龙图腾网获悉华南理工大学申请的专利基于深度知识蒸馏网络的工业流式数据在线故障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：CN117113169B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310918470.5，技术领域涉及：G06F18/241；该发明授权基于深度知识蒸馏网络的工业流式数据在线故障诊断方法是由李巍华;乐珂;李霁蒲;陈祝云;陈浚彬设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本基于深度知识蒸馏网络的工业流式数据在线故障诊断方法在说明书摘要公布了：本发明公开了一种基于深度知识蒸馏网络的工业流式数据在线故障诊断方法，包括步骤：1采集机械设备在多个不同运行工况下的原始振动信号，划分为一个源域和多个目标域，并截取相同长度的数据来构成训练和测试样本；2设计并构建网络结构，网络整体框架包括：特征提取器和故障分类器；3利用有标签的源域样本对模型进行有监督训练，获得初始源模型；4结合基于概率置信度的知识蒸馏算法和最大信息熵算法训练模型；5将测试样本输入到训练好的模型中，可以得到模型在各个域各个任务上的故障分类结果。本发明可以在保护数据隐私的同时实现对工业流式数据中增量故障的有效诊断，具有较高的工业应用价值。

本发明授权基于深度知识蒸馏网络的工业流式数据在线故障诊断方法在权利要求书中公布了：1.一种基于深度知识蒸馏网络的工业流式数据在线故障诊断方法，其特征在于，包括以下步骤： S1、采集多个工况的原始机械振动信号，不同工况下采集的样本划分为一个源域Ds和多个目标域其中，j∈{1,2,…,N}，N代表目标域的数量，并构建训练和测试样本； S2、基于一维振动信号的特性，构建基于一维卷积神经网络的特征提取器f0进行特征提取，并构建具有Softmax函数的故障分类器g0对故障类型进行分类； S3、初始化构建初始模型M0的权重和偏差，然后将有标签的源域样本输入到步骤S2构建的模型中，通过有监督训练得到初始模型M0； S4、增量学习阶段1：初始模型M0训练好后首先上传至第一个目标域同时初始化构建第一个阶段诊断模型M1的模型的权重和偏差；在增量学习阶段，首先采用最大化信息熵技术来协助模型适应目标域的数据分布，然后使用知识蒸馏的方法获得初始模型M0在第一个目标域数据上的软标签，最后联合最大信息熵损失和知识蒸馏损失优化第一个阶段诊断模型M1； S5、测试阶段1：在训练完成后将来自源域和目标域的测试样本同时输入到训练好的诊断模型M1中，并自动输出在两个域上的故障诊断结果； S6、增量学习阶段j：在阶段1～j-1训练得到的模型{M0,...,Mj-1}上传至第j个目标域同时初始化构建第j个阶段诊断模型Mj的模型的权重和偏差；在增量学习阶段，首先采用最大化信息熵技术来协助模型适应目标域的数据分布；然后使用基于概率置信度的知识蒸馏的方法获得在阶段1～j-1训练得到的模型{M0,...,Mj-1}在目标域数据上的一致性诊断知识；最后联合最大信息熵损失和知识蒸馏损失优化第j个阶段诊断模型Mj； S7、测试阶段j：在训练完成后将来自源域和多个目标域的测试样本同时输入到训练好的模型Mj中，并输出在所有域上的故障诊断结果，S表示源域。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。