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！

龙图腾网恭喜浙江大学;华东交通大学;湖州工业控制技术研究院申请的专利一种大模型知识标注的智能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：CN119475137B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202510061527.3，技术领域涉及：G06F18/2431；该发明授权一种大模型知识标注的智能诊断方法是由赵春晖;李子木;赵健程;金建祥设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种大模型知识标注的智能诊断方法在说明书摘要公布了：本发明公开了一种大模型知识标注的智能诊断方法，该方法包括：对大模型进行知识注入，获取每个故障类别的格式化的语义知识；利用所有故障数据构建自监督预训练网络训练编码器提取类无关特征；构建并训练健康特征对比与语义知识预测网络；利用训练好的编码器和健康特征对比与语义知识预测网络获取未见类别故障样本的语义知识，基于双视图动态语义知识学习策略对预测的语义知识进行调整，将测试数据分为高概率样本和低概率样本，利用高概率样本的空间分布调整低概率样本的语义知识，协同对故障进行诊断。本发明能够故障数据有限的情况下利用专业文档进行语义知识标注，并对语义知识的空间分布做出调整，提高故障诊断的准确率与可信度。

本发明授权一种大模型知识标注的智能诊断方法在权利要求书中公布了：1.一种大模型知识标注的智能诊断方法，其特征在于，包括以下步骤：1收集专家知识文档，为大语言模型编写上下文提示，以对大语言模型进行知识注入，获取每个故障类别对应的格式化的语义知识，以构建训练集和测试集；2构建自监督预训练网络，具体包括编码器、解码器、预测器、分类器和梯度反转层，并使用训练集和测试集中的所有故障样本进行训练，以最小化第一总损失函数为优化目标，优化编码器、解码器、预测器、分类器和梯度反转层的参数，以获取训练好的编码器；3构建健康特征对比与语义知识预测网络，并利用训练好的编码器，使用训练集对其进行训练，以最小化第二总损失函数为优化目标，优化健康特征对比与语义知识预测网络的参数，以获取训练好的健康特征对比与语义知识预测网络；4对于测试集中的测试样本，利用训练好的健康特征对比与语义知识预测网络预测对应的语义知识，基于双视图动态语义知识学习策略对预测的语义知识进行调整，以获取故障诊断的最终分类结果；5在应用时，将测试集中未见故障类别的测试样本输入到训练好的编码器得到类无关特征，同时将该测试样本和任意健康样本输入至训练好的健康特征对比与语义知识预测网络中，得到该测试样本对应的预测的语义知识；并根据双视图动态语义知识学习策略调整预测的语义知识，以获取该测试样本对应的故障诊断的最终分类结果。

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浙江大学;华东交通大学;湖州工业控制技术研究院，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。