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！

龙图腾网获悉大连理工大学申请的专利一种用于变工况和部分迁移条件下的机械故障分类识别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：CN116702002B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310688670.6，技术领域涉及：G06F18/24；该发明授权一种用于变工况和部分迁移条件下的机械故障分类识别方法是由费中阳;董浩;丁培轩;孙希明;赵东旭设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种用于变工况和部分迁移条件下的机械故障分类识别方法在说明书摘要公布了：本发明属于计算机对工业故障分类识别领域，公开了一种用于变工况和部分迁移条件下的机械故障分类识别方法。用以解决工况改变且标签分布不一致的情况下，模型性能下降的问题。使用改进的局部最大均值差异作为度量源域和目标域各个子域之间分布差异的指标，在对齐源域和目标域中同一类别相关子域的分布的同时，克服标签不一致造成的智能故障诊断模型故障识别精度降低的问题，以更好地实现跨域故障诊断。在现有的基于局部子域自适应方法的基础上进一步提高故障诊断模型的故障分类识别的准确率，最终实现不同工况下工程设备不同故障位置的故障分类识别。

本发明授权一种用于变工况和部分迁移条件下的机械故障分类识别方法在权利要求书中公布了：1.一种用于变工况和部分迁移条件下的机械故障分类识别方法，其特征在于，具体步骤如下： 步骤一：单轴加速度传感器采集已知故障的振动信号，作为源域数据，依据故障种类进行标签标注；将工况及对应未知故障的振动信号作为目标域数据； 步骤二：将源域数据和目标域数据中的振动信号通过滑动窗口的形式进行数据采集，进行预处理后获得数据样本； 步骤三：构建多核级联残差网络模型，输入数据样本至多核级联残差网络模型，提取源域数据和目标域数据的高维特征，通过训练好的分类器对目标域数据进行预测，得到伪标签； 步骤四：通过提取的源域数据和目标域数据的高维特征、源域真实标签标注以及目标域伪标签，计算源域数据和目标域数据之间的修正局部最大均值差异，作为域适应损失项，度量源域和目标域各个子域之间的分布差异； 步骤五：将域适应损失项与归类损失项共同作为目标函数进行优化，经过指定迭代次数的训练，获得训练后的多核级联残差网络模型，作为变工况下工程机械设备的故障诊断模型，用于故障诊断; 所述修正局部最大均值差异基于子域适应方法中的局部最大均值差异进行改进； 通过动态反馈机制，添加一个由比例系数r所决定的反馈权重系数，修正局部最大均值差异ReLMMD的计算公式为： ； 其中，p表示源域数据样本服从的分布、q表示目标域数据样本服从的分布；c表示类别，C表示类别总数；表示第i个源域数据样本，表示第j个目标域数据样本；源域数据样本数量，表示目标域数据样本数量；G表示特征提取器，为核函数；为权重系数，为针对目标域数据样本的反馈权重系数；r为比例系数，表示次迭代中目标域各类样本的伪标签在目标域总样本中占的比例；r和的计算公式为： k∈t,t+Δt:； k∈t+Δt,t+2Δt:； k∈t+2Δt,t+3Δt:； 其中，k为多核级联残差网络模型的迭代次数；表示在第k次迭代时，第j个目标域样本输入多核级联残差网络后得到的伪标签，在无定义的时候取1，α，β，ε为超参数，α，β，ε均介于0至1之间； 在计算的过程中，每3Δt个迭代构成一个循环，在第0~t次迭代过程中，反馈权重系数不生效；当k=t时进入循环，在第t~t+Δt次迭代过程中，通过Δt次迭代生成的伪标签来计算比例系数r，在第t+Δt~t+2Δt次迭代过程中，反馈权重系数生效，通过之前算得的比例系数来决定反馈权重系数：表示模型预测的第c类样本占目标域总样本的比例，其理论值为样本种类数的倒数，当大于该理论值10%~20%，表明有其他类样本被错误地归于此类，减小来衰减此类的权重系数；当小于理论值的40%，表明有该类样本被错误地归于其他类或不存在，先增大来加大此类的权重系数，在之后的迭代中，该类的比例增大的增幅超过30%，则该类存在，该类样本在之前的迭代中被错误地归于其他类，在第t+2Δt~t+3Δt次迭代过程中，置1；该类的比例增幅不超过30%，则表明目标域中不存在该类，在第t+2Δt~t+3Δt次迭代过程中，置0，此后按此规律循环或停止。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。