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！

龙图腾网获悉福建省特种设备检验研究院;广东省特种设备检测研究院顺德检测院;招商新疆特种设备检验技术研究院有限公司申请的专利基于度量引导图对比学习的齿轮箱故障诊断模型构建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：CN121278509B 。

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：202511841969.6，技术领域涉及：G06F18/2413；该发明授权基于度量引导图对比学习的齿轮箱故障诊断模型构建方法是由何祖恩;陈鹏;庄江惠;余仁辉;李振华;陈思宇设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本基于度量引导图对比学习的齿轮箱故障诊断模型构建方法在说明书摘要公布了：本发明涉及一种基于度量引导图对比学习的齿轮箱故障诊断模型构建方法，属于齿轮箱故障诊断模型构建领域。所述方法，包括四个核心阶段：首先对齿轮箱振动信号进行频域转换与归一化，生成节点特征矩阵；其次融合余弦距离与欧几里得距离构建混合距离矩阵，基于K近邻算法生成故障诊断图；然后通过图数据增强与动态图注意力网络DGAT实现无监督图对比预训练；最后利用少量标记样本进行弱监督微调，完成齿轮箱故障诊断模型的构建。本发明可在标记样本极少每类1‑10个的场景下实现高精度齿轮箱故障诊断模型的构建，适用于风力涡轮机、直升机、混合动力汽车等领域的行星齿轮箱健康监测。

本发明授权基于度量引导图对比学习的齿轮箱故障诊断模型构建方法在权利要求书中公布了：1.一种基于度量引导图对比学习的齿轮箱故障诊断模型构建方法，其特征在于，包括： 对齿轮箱振动信号进行频域转换与归一化，生成节点特征矩阵； 融合余弦距离与欧几里得距离构建混合距离矩阵，基于K近邻算法生成故障诊断图，具体实现方式为： 基于混合距离矩阵执行KNN聚类，对每个节点Vi，选取与它距离最近的k个节点作为邻居；若Vj是Vi的邻居或Vi是Vj的邻居，则在邻接矩阵A中标记Ai,j=1，表示存在边连接，否则为0，最终输出故障诊断图即KNN图G=V,E，V为节点集，E为边集； 基于故障诊断图，通过图数据增强与动态图注意力网络DGAT进行无监督图对比预训练，得到预训练完成的DGAT模型，具体实现方式为： 图数据增强操作，通过对KNN图G执行两种扰动操作，生成两个差异化增强视图G1和G2，具体如下： ①边操作：以概率pd随机删除或添加边，公式为： ②节点删除：以概率pe随机删除节点及关联边，公式为： V1、V2分别为图G1和G2的节点集，E1、E2为分别为图G1和G2的边集，vi、vj为V1或V2中的第i、j个节点，ri~U[0,1]表示ri服从区间[0,1]上的均匀分布，ri是服从区间[0,1]上的均匀分布中随机采样得到的数值，eij表示连接节点vi与vj的边；rij~U[0,1]表示rij服从区间[0,1]上的均匀分布，rij表示服从区间[0,1]上的均匀分布中采样得到的随机值，该值决定边eij在边集E2中是被保留还是被新增，Epotential是边集E中不存在的所有可行边； 动态图注意力网络DGAT操作，将增强视图G1和G2及其对应的节点特征矩阵输入统一的两层DGAT网络，学习节点的结构化特征，具体如下： ①第一层DGAT：对节点特征矩阵F执行动态注意力聚合，公式为Y1=σDGATF,W1，σ为ReLU激活函数，W1为第一层权重矩阵； ②第二层DGAT：对第一层DGAT输出Y1进一步优化，公式为Y2=DGATY1,W2，W2为第二层权重矩阵； ③全连接层映射：将第二层DGAT输出Y2输入全连接层，得到最终预训练特征表示YP=FCY2； 基于图数据增强操作和动态图注意力网络DGAT操作结果，通过GCL损失优化，即：采用信息噪声对比估计损失，最大化同一节点在两个增强视图中特征的相似性，同时最小化同一节点与其他节点的相似性，通过反向传播迭代优化DGAT参数，输出预训练完成的DGAT模型； 基于预训练完成的DGAT模型，利用少量标记样本进行弱监督微调，完成齿轮箱故障诊断模型的构建。

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福建省特种设备检验研究院;广东省特种设备检测研究院顺德检测院;招商新疆特种设备检验技术研究院有限公司，其通讯地址为：350008 福建省福州市仓山区卢滨路370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。