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！

龙图腾网恭喜哈尔滨理工大学申请的专利基于半监督图卷积的行星齿轮箱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：CN115017955B 。

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：202210703794.2，技术领域涉及：G06F18/24；该发明授权基于半监督图卷积的行星齿轮箱故障诊断方法是由王亚萍;曹若凡;王博;许迪;张盛设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本基于半监督图卷积的行星齿轮箱故障诊断方法在说明书摘要公布了：本发明公开了基于半监督图卷积的行星齿轮箱故障诊断方法，本发明涉及旋转机械故障诊断方法领域，本发明为了解决现有的旋转机械故障诊断方法的准确率低的问题。本发明利用自编码器降噪网络对所述原始数据进行降噪处理；对降噪后的数据进行特征提取，得到特征矩阵，对所述特征矩阵进行降维处理；求取所述降维处理后的特征矩阵中各数据之间的无向图，将所述降维后矩阵和数据之间无向图输入半监督图卷积神经网络故障诊断模型中，得到诊断结果。本发明能够对行星齿轮箱故障进行准确诊断。

本发明授权基于半监督图卷积的行星齿轮箱故障诊断方法在权利要求书中公布了：1.基于半监督图卷积的行星齿轮箱故障诊断方法，其特征在于，包括如下步骤：S1、获取行星齿轮箱的原始数据，并利用自编码器降噪网络对所述原始数据进行降噪处理；S2、对降噪后的数据进行特征提取，得到特征矩阵，对所述特征矩阵进行降维处理；S3、求取所述降维处理后的特征矩阵中各数据之间的无向图，将所述降维后矩阵和数据之间无向图输入半监督图卷积神经网络故障诊断模型中，得到诊断结果；所述半监督图卷积神经网络故障诊断模型的建立方法包括：S31、搭建半监督图卷积神经网络故障诊断模型；S32、输入训练数据，所述训练数据为降为后的特征矩阵，所述训练数据划分为测试集Vtrain、验证集Vval和测试集Vtest，其中，测试集Vtrain包括有标签数据和无标签数据，验证集Vval和测试集Vtest均为有标签数据，并建立邻接矩阵Atrain、Aval和Atest；S33、初始化半监督图卷积神经网络故障诊断模型的超参数与网络各层卷积核参数；S34、将Vtrain和邻接矩阵Atrain中进行前向传播，提取预测类别；S35、根据预测类别和有标签数据的实际类别YLi计算损失函数L；S36、对所述损失函数进行反向传播，更新各层卷积核参数，得到半监督图卷积神经网络故障诊断模型；S37、将验证集Vval和邻接矩阵Aval输入步骤S36得到的半监督图卷积神经网络故障诊断模型中进行验证，输出验证集损失值与验证集准确率；S38、判断迭代次数是否小于最大迭代次数n，若是，重复步骤是S34-S37，若否，结束训练，输出最终的半监督图卷积神经网络故障诊断模型；S39、将测试集Vtest和邻接矩阵Atest输入S38得到的半监督图卷积神经网络故障诊断模型中，输出行星齿轮箱故障诊断测试集识别准确率与损失值。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。