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！

龙图腾网获悉湖南科技大学三亚研究院申请的专利基于在线软标签高斯原型网络的滚动轴承小样本故障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：CN121561610B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610070213.4，技术领域涉及：G06F18/2413；该发明授权基于在线软标签高斯原型网络的滚动轴承小样本故障诊断方法及系统是由肖钊;陈家阔;邹雪梅;陶洁;邱娜设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于在线软标签高斯原型网络的滚动轴承小样本故障诊断方法及系统在说明书摘要公布了：本申请属于机械故障诊断技术领域，公开一种基于在线软标签高斯原型网络的滚动轴承小样本故障诊断方法及系统。该方法采集不同工况下轴承振动信号构建数据集，划分为元训练集和元测试集并拆分为支持集与查询集；构建含嵌入、原型计算及分类模块的高斯原型网络模型；元训练阶段采用在线软标签策略动态生成软标签，联合硬标签损失开展多任务训练获取最优参数；元测试阶段基于支持集构建高斯原型，通过计算样本与原型的欧氏距离实现分类，特征分布漂移时微调原型参数适配跨工况诊断。该方法有效缓解标签噪声干扰，在少量标注样本下仍能保证诊断精度，显著提升模型泛化能力与诊断稳定性。

本发明授权基于在线软标签高斯原型网络的滚动轴承小样本故障诊断方法及系统在权利要求书中公布了：1.一种基于在线软标签高斯原型网络的滚动轴承小样本故障诊断方法，其特征在于，包括以下步骤： S1、采集滚动轴承在多种不同工作条件下的原始振动信号，经预处理并标注故障类型标签，构建初始数据集； S2、将所述初始数据集划分为元训练集和元测试集并分别生成包括数据支持集与数据查询集的多个元学习任务；所述元学习任务包括训练任务和测试任务，且同一所述元学习任务中所述数据支持集与所述数据查询集无交集； S3、构建基于高斯原型网络的小样本故障诊断模型，所述小样本故障诊断模型包括依次连接的嵌入模块、原型计算模块和分类模块；所述嵌入模块采用一维卷积神经网络，用于将所述元学习任务中的振动信号映射为嵌入向量及生成高斯协方差矩阵表征的置信区域；所述原型计算模块用于基于所述数据支持集样本计算各类别高斯原型和总体协方差矩阵；所述分类模块用于通过计算所述数据查询集样本的嵌入向量与各类别高斯原型的欧几里得距离并转换分类概率实现故障分类； 所述原型计算模块的具体计算规则为： 所述原型计算模块基于所述数据支持集样本的嵌入向量及对应的高斯协方差矩阵输出，计算各类别的高斯原型和总体协方差矩阵； 对于类别，其对应的高斯原型的计算公式为： ； 其中，表示类别对应的高斯原型，表示所述数据支持集中属于类别的样本对应的嵌入向量，表示所述嵌入模块输出的、与对应的高斯协方差矩阵输出，表示点积运算； 类别的总体协方差矩阵的计算公式为： ； 其中，表示类别的总体协方差矩阵； S4、基于所述训练任务及所述小样本故障诊断模型开展元训练，采用在线软标签策略动态生成软标签，联合硬标签与软标签损失进行多任务迭代训练，获取最优模型初始参数及任务间共享的故障诊断先验知识； S5、基于所述测试任务及训练后的小样本故障诊断模型开展元测试，利用所述测试任务的所述数据支持集样本计算得到高斯原型，通过计算所述测试任务的所述数据查询集样本的嵌入向量与各类别高斯原型的欧氏距离实现故障分类；当所述测试任务的样本特征分布漂移时，微调所述高斯原型参数以适配跨工况诊断。

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湖南科技大学三亚研究院，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城深海装备产业园二期7栋；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。