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！

龙图腾网获悉中航西安飞机工业集团股份有限公司申请的专利一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断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：CN120578122B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511080875.1，技术领域涉及：G05B19/4065；该发明授权一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断系统是由杨选宏;田维军;薛莹;魏洪杨;曹宏瑞;史江海;雷坤设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断系统在说明书摘要公布了：本申请属于智能故障诊断技术领域，特别涉及一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断系统，先对ISVDD检测模型和IBLS‑SM诊断模型进行初始化；获取初始化的IBLS‑SM诊断模型的判断阈值，采集故障时的机床在线数据，进行增量形式的判断，并基于增量形式更新ISVDD检测模型；基于增量形式的不同，对IBLS‑SM诊断模型进行不同增量形式的学习，并更新IBLS‑SM诊断模型；获取更新后的IBLS‑SM诊断模型的判断阈值，采集新的故障时的机床在线数据；基于新的故障时的机床在线数据更新ISVDD检测模型，并再次进行增量形式的判断；如此反复，持续更新ISVDD检测模型和IBLS‑SM诊断模型。具有高效实时性、动态适应性、高精度诊断和低计算复杂度的优点。

本发明授权一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断系统在权利要求书中公布了：1.一种基于ISVDD和记忆重现的机床主轴宽度学习增量诊断系统，其特征在于，包括模型初始化模块、增量形式判断模块、模型增量更新模块和模型持续更新模块； 所述模型初始化模块用于使用一定量的机床历史数据，对ISVDD检测模型和IBLS-SM诊断模型进行初始化；ISVDD检测模型能够对目标进行超球形描述；所述IBLS-SM诊断模型为增量宽度学习系统； 所述增量形式判断模块用于获取初始化的IBLS-SM诊断模型的判断阈值，采集故障时的机床在线数据，进行增量形式的判断，并基于增量形式更新ISVDD检测模型； 所述模型增量更新模块用于基于增量形式的不同，对IBLS-SM诊断模型进行不同增量形式的学习，并更新IBLS-SM诊断模型； 所述模型持续更新模块用于获取更新后的IBLS-SM诊断模型的判断阈值，采集新的故障时的机床在线数据；基于新的故障时的机床在线数据更新ISVDD检测模型，并再次进行增量形式的判断；如此反复，持续更新ISVDD检测模型和IBLS-SM诊断模型；设置新的在线数据为新故障样本情况下执行模型更新和故障诊断的判断阈值，实现ISVDD检测模型和IBLS-SM诊断模型自适应的在线更新和机床主轴的故障诊断； 所述增量形式包括新故障样本、新故障模式和新工况样本；所述模型增量更新模块包括三个子模块，分别为样本增量学习模块、类增量学习模块、域增量学习模块；对于新故障样本，所述样本增量学习模块控制IBLS-SM诊断模型进行样本增量学习；对于新故障模式，所述类增量学习模块控制IBLS-SM诊断模型进行类增量学习；对于新工况样本，所述域增量学习模块控制IBLS-SM诊断模型进行域增量学习； 基于所述新故障样本，分别将IBLS-SM诊断模型机床历史数据和机床在线数据对应的标签矩阵和特征层矩阵进行合并；而后采用分块矩阵的伪逆运算对IBLS-SM诊断模型进行样本增量更新，并对新故障样本下的输出权重矩阵进行更新； 所述标签矩阵合并为：Yr为机床历史数据对应的标签矩阵，syr+1为机床在线数据对应的标签矩阵； 所述特征层矩阵合并为：其中，新样本集所对应的特征层矩阵为机床历史数据对应的特征层矩阵： 进行所述样本增量更新的公式为： 其中： 所述新故障样本下的输出权重矩阵更新为： 其中，为更新后的新故障样本下的输出权重矩阵，Yr为机床历史数据对应的标签矩阵，其中r代表第r代；syr+1为机床在线数据对应的标签矩阵，其中r+1为r+1代，s代表样本增量环节；为机床在线数据的线性映射特征，n为线性映射节点个数；为机床在线数据的非线性强化特征，其中m为强化节点个数；为机床在线数据的特征层矩阵；为机床历史数据对应的特征层矩阵；V，U，S中均为分块矩阵伪逆运算中的中间矩阵，VT为V的转置，S+为S的伪逆；sYr+1为机床在线数据的标签矩阵；为机床历史数据对应的输出权重矩阵； 基于新工况样本，将Core-set核心集与新工况样本进行合并；而后进行样本增量学习，得到更新后的新工况样本下的一次输出权重矩阵； 而后增量式地增加新的非线性自编码器，添加新的强化特征节点，采用分块矩阵的伪逆运算对IBLS-SM诊断模型进行域增量学习，更新IBLS-SM诊断模型，并对新工况样本下的一次输出权重矩阵进行再次更新； 将Core-set核心集和新工况样本合并d为新工况样本，Q为Core-set样本，计算其特征得到IBLS-SM的特征层矩阵更新为：则新工况样本下的一次输出权重矩阵为： 进行结构增量学习后，新工况样本下的一次输出权重矩阵更新为： 式中，dxr+1为新运行工况下的数据，d代表域增量学习环节；dyr+1为新运行工况下的数据的标签；dYr+1为原样本集r、新运行工况样本集d和Core-set核心集Q故障标签的合并；为新运行工况下的数据集计算所得的特征矩阵；为Core-set核心集计算所得的特征矩阵；Qx为Core-set核心集的数据，Qy为Core-set核心集的标签；为域增量学习后的特征矩阵。

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中航西安飞机工业集团股份有限公司，其通讯地址为：710089 陕西省西安市阎良区西飞大道一号；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。