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！

龙图腾网获悉山东建筑大学申请的专利一种基于标准自学习数据增强的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：CN115753103B 。

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：202211060285.9，技术领域涉及：G01M13/045；该发明授权一种基于标准自学习数据增强的故障诊断方法及系统是由安增辉;张玉玺;闫英珑;王后亮设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于标准自学习数据增强的故障诊断方法及系统在说明书摘要公布了：本发明提出了一种基于标准自学习数据增强的故障诊断方法及系统，涉及轴承故障诊断技术领域,该方法包括：基于一维卷积神经网络，构建故障诊断模型；通过标准自学习与数据增强的交叉对抗训练方式，对故障诊断模型进行训练，得到完备数据集和强非平稳工况下的智能故障诊断模型；将采集的待诊断振动信号，输入到训练好的智能故障诊断模型中，得到轴承故障诊断结果；本发明以一维卷积神经网络为基本框架，利用不完备的训练数据集，通过标准自学习与数据增强的交叉对抗训练方式，生成扰动数据，获得强非平稳工况下的故障诊断模型，提高故障诊断的准确率。

本发明授权一种基于标准自学习数据增强的故障诊断方法及系统在权利要求书中公布了：1.一种基于标准自学习数据增强的故障诊断方法，其特征在于，包括： 基于一维卷积神经网络，构建故障诊断模型； 通过标准自学习与数据增强的交叉对抗训练方式，对故障诊断模型进行训练，具体训练流程如下：初始化数据集，并随机初始化模型参数，设置超参数、、、、、以及对抗循环次以后模型的额外训练次数，初始化;基于训练数据集进行标准自学习，直至达到最大迭代次数，令，进而得到训练的模型参数;采用模型数据化与样本参数化方法进行数据增强，利用数据集，经过次迭代，生成新的扰动样本数据集;合并与组成新的训练集;判断是否达到最大循环次数，如果未达到，返回进行标准自学习,否则，基于训练集进行标准自学习直至达到额外训练次数，得到完备数据集和具有最优参数集的用于强非平稳工况下的智能故障诊断模型； 将采集的待诊断振动信号，输入到训练好的智能故障诊断模型中，得到轴承故障诊断结果； 样本参数化，是将样本看作模型参数，通过随机梯度下降法训练出使目标函数降低的参数，进而将参数导出为生成的样本； 模型数据化，是将故障诊断模型的参数看作数据，在训练过程中固定参数值。

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山东建筑大学，其通讯地址为：250101 山东省济南市历城区临港开发区凤鸣路1000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。