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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于深度迁移学习的柴油机滑油系统跨工况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：CN119377656B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411416343.6，技术领域涉及：G06F18/2135；该发明授权一种基于深度迁移学习的柴油机滑油系统跨工况故障诊断方法及系统是由王忠巍;石泽宇;费景洲;王慕宇;刘兆桐设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本一种基于深度迁移学习的柴油机滑油系统跨工况故障诊断方法及系统在说明书摘要公布了：本发明提供一种基于深度迁移学习的柴油机滑油系统跨工况故障诊断方法及系统，方法包括以下步骤：采集不同负荷下柴油机滑油系统不同故障类型的物理信号；采用滑动窗口法，对所述物理信号进行分割，并基于故障类型为分割的每段物理信号建立故障标签，获得包含所述故障标签的初始数据集；基于所述初始数据集以及结合深度迁移学习的柴油机故障诊断模型，进行柴油机跨工况故障诊断，获得故障诊断结果。本发明基于一维卷积神经网络进行数据特征分级融合，不仅实现了结构化数据的特征重构，而且增强了数据特征表示能力。通过模型微调提高故障诊断模型的泛化能力，实现跨工况条件下的准确故障识别。

本发明授权一种基于深度迁移学习的柴油机滑油系统跨工况故障诊断方法及系统在权利要求书中公布了：1.一种基于深度迁移学习的柴油机滑油系统跨工况故障诊断方法，其特征在于，包括以下步骤： 采集不同负荷下柴油机滑油系统不同故障类型的物理信号； 采用滑动窗口法，对所述物理信号进行分割，并基于故障类型为分割的每段物理信号建立故障标签，获得包含所述故障标签的初始数据集； 基于所述初始数据集以及结合深度迁移学习的柴油机故障诊断模型，进行柴油机跨工况故障诊断，获得故障诊断结果； 构建柴油机故障诊断模型的方法为： 基于迁移学习策略，将所述初始数据集划分为源域数据集以及目标域数据集； 基于综合数据特征重要性计算方法，融合源域数据集数据特征的相关程度以及分类贡献程度，进行数据特征分级，获得分级特征；其中，所述分级特征包括重要特征以及次重要特征； 采用5层卷积层对所述重要特征进行建模，获得数据细节特征； 采用4层卷积层对所述次重要特征进行建模，获得数据广泛特征； 对所述数据细节特征以及所述数据广泛特征进行拼接重构，获得融合特征； 提取所述融合特征的故障特征以及时序特征，并基于MLP模型进行特征分类，获得柴油机跨工况故障诊断的预训练模型； 基于所述目标域数据集对所述预训练模型进行微调，获得所述柴油机故障诊断模型； 获得所述分级特征的方法为： 基于主成分分析法，计算数据特征相关程度权重； 基于随机森林的MDA法，计算数据特征分类贡献程度权重； 对数据特征分类贡献程度权重求和，获得相应数据特征在相应故障类型中分类贡献程度总和； 对数据特征相关程度权重求和，获得数据特征之间的相关程度总和； 将所述分类贡献程度总和与所述相关程度总和叠加，并进行归一化，获得综合特征重要程度百分数； 对所述综合特征重要程度百分数进行排序，获得所述分级特征。

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哈尔滨工程大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区南通大街145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。