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！

龙图腾网获悉南华大学申请的专利一种基于MOCO孪生神经网络的核电厂转动部件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：CN120145003B 。

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：202510216043.1，技术领域涉及：G06F18/213；该发明授权一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法是由赵亚楠;夏玉博;于涛;赵鹏程;谢金森;陈珍平;隋阳设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法在说明书摘要公布了：本发明涉及一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法，包括：获取转动部件的传感器信号，对传感器信号进行预处理，获取包含丰富空间位置信息的时频特征；将时频特征输入MoCo‑SINN模型，获取输入特征；MoCo‑SINN模型利用小样本训练集训练孪生神经网络模型，并结合FocalLoss损失函数更新模型参数获得；利用小样本训练集训练孪生神经网络模型包括：通过字典查询任务的形式以及动量编码方式，优化小样本训练集训练孪生神经网络模型的过程；对输入特征进行相似性度量计算，最后通过解码器获取转动部件的故障诊断结果。本发明通过动量变换以及字典查询的方式，有效解决小样本下的故障诊断问题。

本发明授权一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法在权利要求书中公布了：1.一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法，其特征在于，包括： 获取转动部件的传感器信号，对所述传感器信号进行预处理，获取包含丰富空间位置信息的时频特征； 将所述时频特征输入MoCo-SINN模型，获取输入特征；所述MoCo-SINN模型利用小样本训练集训练孪生神经网络模型，并结合FocalLoss损失函数更新模型参数获得；所述小样本训练集包括：原始时频图； 利用小样本训练集训练孪生神经网络模型包括：通过字典查询任务的形式以及动量编码方式，优化小样本训练集训练孪生神经网络模型的过程； 通过字典查询任务的形式优化小样本训练集训练孪生神经网络模型的过程包括： 将对比学习作为字典查询任务，创建字典队列，所述字典队列用于存储key样本，使query样本获取更多的对比； 随机选择小样本训练集中的样本作为query样本，所述query样本单独使用一个编码器进行编码，并将所述query样本数据重构作为key样本加载进入所述字典队列进行储存；其中，所述数据重构是在比例为0.2到1.0之间随机选择query样本的裁剪尺寸作为key样本； 将所述key样本使用另一个编码器进行编码，其中key样本有50%的概率随机应用高斯模糊，模糊半径在0.1到2.0之间，80%的概率随机应用颜色抖动，颜色抖动的范围是亮度、对比度、饱和度的±0.4，色调的±0.1，20%的概率样本随机将图像转换为灰度图； 在所述字典队列存储过程中，将与本次输入所述key样本作为正样本，队列中的其他样本均作为负样本，训练所述孪生神经网络模型，并当队列储存样本到达上限时，会将最早的样本退出队列； 通过动量编码方式优化小样本训练集训练孪生神经网络模型的过程包括： 通过动量编码方式对编码器进行更新： 其中，表示当前状态的编码器，表示动量更新系数，其大小影响编码器更新速度，表示上一状态的编码器； 利用所述编码器进行编码包括：将输入数据输入卷积层以及残差块进行特征提取，将特征提取结果输入全连层进行整合； 对所述输入特征进行相似性度量计算实现编码器的深度特征提取能力，最后通过解码器获取所述转动部件的故障诊断结果。

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南华大学，其通讯地址为：421001 湖南省衡阳市蒸湘区常胜西路28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。