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！

龙图腾网获悉同济大学申请的专利一种基于原型自适应网络的小样本增量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：CN119848619B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411712209.0，技术领域涉及：G06F18/241；该发明授权一种基于原型自适应网络的小样本增量故障诊断方法是由马玉敏;张立崧;徐高威;乔非设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种基于原型自适应网络的小样本增量故障诊断方法在说明书摘要公布了：本发明提供一种基于原型自适应网络的小样本增量故障诊断方法，包括步骤：S1基础阶段数据获取与处理，对数据进行预处理并划分为伪基础数据集和伪增量数据集；S2伪特征提取网络训练，在伪基础阶段通过伪基础数据集训练PMCNN，为PAN提供特征嵌入；S3PAN训练：在伪增量阶段通过伪增量数据集训练PAN更新初步的原型表示；S4特征提取网络训练,利用完整基础数据集训练MCNN；S5增量阶段特征提取,通过MCNN提取新故障类别的特征并求解新故障类别的原型表示；S6原型表示更新与分类,利用PAN更新原型表示，基于余弦相似度进行故障分类。本发明能够在小样本条件下显著提高故障诊断的准确率，同时保持深度学习模型对旧类别的记忆能力，适用于复杂的工业故障诊断场景。

本发明授权一种基于原型自适应网络的小样本增量故障诊断方法在权利要求书中公布了：1.一种基于原型自适应网络的小样本增量故障诊断方法，包括基础阶段和增量阶段，基础阶段包括伪基础阶段和伪增量阶段，其特征在于，具体包括以下步骤： S1、基础阶段数据获取与处理：在基础阶段中，对获取的包含多故障类型的基础数据集进行预处理，并将基础数据集划分为伪基础数据集和伪增量数据集，伪基础数据集和伪增量数据集用于伪基础阶段和伪增量阶段的训练； S2、伪特征提取网络训练：在伪基础阶段中，通过伪基础数据集训练伪多尺度卷积神经网络PMCNN，并冻结伪多尺度卷积神经网络PMCNN的参数； S3、原型自适应网络PAN训练：在伪增量阶段中，通过伪增量数据集和伪多尺度卷积神经网络PMCNN训练原型自适应网络PAN，并通过小样本扩展故障类别的原型表示； S4、特征提取网络训练：通过完整的基础数据集训练多尺度卷积神经网络MCNN,并冻结多尺度卷积神经网络MCNN的参数，以提取更全面的故障特征； S5、增量阶段特征提取：在增量阶段中，获取新故障类别的小样本数据，并通过训练好的多尺度卷积神经网络MCNN提取新故障类别的故障特征，并求解新故障类别的原型表示； S6、原型表示更新与分类：通过训练好的原型自适应网络PAN更新新故障类别的原型表示，并通过计算新故障类别的查询样本与新故障类别的原型表示之间的余弦相似度，进行故障分类。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。