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！

龙图腾网恭喜徐州工程学院申请的专利一种基于深度自编码器与特征优化的电机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：CN114444533B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202111256683.3，技术领域涉及：G06F18/241；该发明授权一种基于深度自编码器与特征优化的电机故障诊断方法是由卑璐璐;俞啸;厉丹;陈磊;赵文婧设计研发完成，并于2021-10-27向国家知识产权局提交的专利申请。

本一种基于深度自编码器与特征优化的电机故障诊断方法在说明书摘要公布了：本发明提出了一种基于深度自编码器与域不变特征提取的可迁移电机故障诊断方法，首先，采用双树复小波包变换对电机振动信号进行信号处理与混合域特征提取。其次，提出一种基于重要性得分与域间差异度量的域不变特征选取方法，选取具有高故障分辨能力与域不变特性的特征。然后，采用选取的域不变特征对深度自动编码器源模型进行预训练以增强深度特征的故障表征能力。将源模型的参数迁移至结构相同的目标模型，并使用目标域的正常状态特征数据微调目标模型。最后，采用微调后的目标模型对目标域故障进行分类。本发明所提出的方法可以明显提高跨域故障诊断准确度，在实际工业场景中具有更强的可用性、稳定性和优势。

本发明授权一种基于深度自编码器与特征优化的电机故障诊断方法在权利要求书中公布了：1.一种基于深度自编码器与特征优化的电机故障诊断方法，其特征在于：具体如下：步骤1，采用双树复小波包变换对不同工况下的原始振动信号进行信号处理和统计特征提取，并构建初始统计特征集；步骤2，对步骤1构建的初始统计特征集中的特征进行故障分辨能力及领域不变性评价，选取出可表征电机状态的域不变特征，构建样本的域不变特征子集，步骤3，将步骤2得到的源域的域不变特征子集进行源DAE模型训练，获得模型参数，并将参数迁移到目标DAE模型，采用步骤2得到的目标域的正常状态域不变特征子集进行目标模型微调，完成深度迁移自动编码器模型DTAE构建；步骤4，测试步骤3构建的深度迁移自动编码器模型DTAE，并输出故障诊断结果；步骤1具体步骤如下：将来自于不同工况的原始振动信号样本分为振动数据集Ι和振动数据集Ⅱ，其中振动数据集Ι为源域，其数据集的样本有标签；振动数据集Ⅱ为目标域，其数据集的样本无标签，运用来自源域的已知标签样本对诊断模型进行训练，并使用训练后的模型对目标域进行状态分类；步骤2中具体过程：利用来自源域初始统计特征集的带标签故障特征数据、源域与目标域的正常状态特征数据，采用基于重要性得分和域不变性的域不变特征选取方法对初始统计特征集的特征进行评价，得到域不变特征选择指数RIM，采用排序后的RIM序列选择来自目标域的初始统计特征集的域不变特征子集。

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徐州工程学院，其通讯地址为：221000 江苏省徐州市云龙区丽水路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”。