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！

龙图腾网获悉南京理工大学申请的专利一种开放集下的机械设备故障的智能诊断方法及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：CN120336780B 。

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：202510380073.6，技术领域涉及：G06F18/21；该发明授权一种开放集下的机械设备故障的智能诊断方法及系统是由翁朝阳;陆宝春;顾钱;黄文波设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本一种开放集下的机械设备故障的智能诊断方法及系统在说明书摘要公布了：本发明公开了一种开放集下的机械设备故障的智能诊断方法及系统，该方法包括利用基于傅里叶和卷积嵌入的新型FCformer编码器来构建在频域中的长距离依赖关系并提取更具代表性的局部域不变故障特征；设计基于DLMMD的开放集动态子域自适应模块，通过掩盖潜在的未知类来对齐已知类的条件特征分布；为了降低经验阈值设置对未知类检测的影响，利用自适应阈值学习方法建立已知类和未知类的决策边界。通过最小‑最大熵博弈训练策略对模型中的共享特征提取器和故障分类器进行训练，以抑制最小化熵值时可能导致的模型过度自信问题。本发明能够解决开放集下机械设备故障的跨域知识迁移以及未知故障智能检测的问题，具有广泛的应用前景。

本发明授权一种开放集下的机械设备故障的智能诊断方法及系统在权利要求书中公布了：1.一种开放集下的机械设备故障的智能诊断方法，其特征在于，包括： S1、利用线性嵌入层对一维振动信号进行序列化处理，转换为满足Transformer编码器要求的一维token嵌入序列； S2、构建具有傅里叶和卷积嵌入层的FCformer编码器，并将一维token嵌入序列输入到FCformer编码器进行时频特征提取； 所述FCformer编码器包含FCE层、一个层归一化、一个残差连接、一个前馈层、一个层归一化和一个残差连接依次组成，其中FCE层包含1D-DFT层、一维卷积层、批标准化BN层和整流线性单元ReLU层；其中1D-DFT层进行DFT变换后保留特征图的实部，残差连接将相应层归一化前后的特征图进行叠加；所述前馈层包含一维卷积层、BN层和RELU层、丢弃层和一维卷积层； S3、利用全局平均池化层来获取共享特征，结合线性嵌入层和个FCformer编码器，组成共享特征提取器； S4、设计基于卷积神经网络的故障分类器，对共享特征进行故障模式识别； S5、搭建开放集动态子域自适应模块，通过捕获每个已知类的细粒度信息，以实现开放集下的动态子域特征对齐；具体包括： 5.1、利用熵值和置信度构建样本评价特征； 5.2、利用K-means算法对目标域样本的评价特征进行聚类分析，为后续训练提供已知类和未知类的伪标签； 5.3、根据目标域样本的伪标签，对第个目标域样本的概率向量中未知类样本进行屏蔽，得到优化后的概率向量； 5.4、根据子域样本的数量为特定子域分配不同的权重，以对齐已知类的子域特征； S6、设计自适应未知类检测阈值学习方法，利用样本评估指标函数对每个迭代周期中的未知类检测阈值进行自动更新，迭代训练完成之后，获得最终的未知类检测阈值； S7、针对源域样本数据，设计包含交叉熵损失和中心损失的源域损失函数进行故障特征的判别； S8、针对目标域样本数据，引入熵损失来提高目标域样本的类别区分能力，并利用DLMMD损失函数来进行动态条件特征分布对齐； S9、设计最小-最大熵博弈训练策略，通过源域损失函数、熵损失函数和DLMMD损失函数，对共享特征提取器和故障分类器进行博弈训练； S10、利用评估指标函数生成目标域测试样本的评估指标，并将其与未知类检测阈值进行对比，完成对未知类的智能检测和已知类中故障模式的跨域识别。

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京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。