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！

龙图腾网获悉武汉理工大学申请的专利基于小波熵与APN的AUV推进器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：CN121144793B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511686316.5，技术领域涉及：G06F18/21；该发明授权基于小波熵与APN的AUV推进器故障诊断方法是由罗光宇;周浩;胥帅;赵东明;郭璇设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本基于小波熵与APN的AUV推进器故障诊断方法在说明书摘要公布了：本发明公开了一种基于小波熵与APN的AUV推进器故障诊断方法，旨在解决AUV推进器故障诊断中信号噪声干扰大、故障特征提取不精准及小样本场景下泛化能力弱的问题。该方法依次包括步骤S1：离散多层小波分解原始信号，借小波香农熵确定最优重构尺度，单支重构增强信号；步骤S2：增强信号输入含注意力模块的CNN，聚焦关键故障特征；步骤S3：构建联合损失优化的原型网络，结合伪标签机制用未标记样本，提升小样本泛化能力，实现高效准确诊断。本发明能有效滤除噪声干扰，精准提取故障特征，在小样本条件下实现AUV推进器故障的高效、准确诊断，为AUV推进系统的安全稳定运行提供可靠技术支撑。

本发明授权基于小波熵与APN的AUV推进器故障诊断方法在权利要求书中公布了：1.一种基于小波熵与APN的AUV推进器故障诊断方法，其特征在于：包含如下步骤： S1：基于小波最优重构尺度的信号预处理与增强； S2：基于注意力机制的深度故障特征提取，将增强后的时域信号输入深度卷积神经网络CNN，在CNN的关键卷积层后嵌入注意力模块，注意力模块通过能量函数评估特征图中神经元的重要性： S3：基于联合损失优化的原型网络诊断模型构建，具体包括： S3.1：类别原型构建与度量学习；所述步骤S3.1中：类别原型构建与度量学习，对于每个故障类别，给定包含个带标签样本的支持集；通过特征提取器将中的每个样本映射到维的度量空间，得到其特征嵌入；该类别的原型通过计算支持集样本特征嵌入的均值得到： ； 其中，为类别的原型向量，为类别的支持集； S3.2：概率分类与原型网络损失计算；所述步骤S3.2中：概率分类与原型网络损失计算，对需分类的查询样本，计算其特征嵌入，通过计算该嵌入与所有类别原型之间的平方欧氏距离，应用Softmax函数得到查询样本属于每个类别的概率分布： ； 其中，表示查询样本被预测为类别的概率；表示向量和之间的平方欧氏距离； 原型网络损失为负对数似然损失： ； S3.3：总损失函数计算；所述步骤S3.3中：总损失函数计算，引入辅助分类器，辅助分类器为全连接层加Softmax层，对特征嵌入分类并采用交叉熵计算辅助分类器损失： ； 其中，是辅助分类器的预测概率，是真实标签的独热编码；最终，模型的总损失函数是原型损失和辅助损失的加权和： ； 其中，用于平衡两种损失的贡献；通过梯度下降算法最小化总损失函数，更新特征提取器和辅助分类器参数，完成诊断模型训练；对未标记样本，若其最高预测概率超过预设阈值，为其分配伪标签并临时加入对应支持集以更新原型。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。