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！

龙图腾网恭喜苏州大学申请的专利一种基于多标签领域自适应模型的轴承复合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：CN114118138B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111233566.5，技术领域涉及：G06F18/241；该发明授权一种基于多标签领域自适应模型的轴承复合故障诊断方法是由陈良;褚刘星设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本一种基于多标签领域自适应模型的轴承复合故障诊断方法在说明书摘要公布了：本发明提供了一种针对变工况条件下未知目标域中轴承复合故障的诊断方法，包括：基于多层领域自适应方法构建由深度残差网络组成的故障特征提取器；输入预处理后的轴承振动信号，对源域及目标域数据经过多个残差块提取到的特征都进行分布差异匹配，得到可迁移的特征；通过多标签学习将复合故障表示为单一故障的组合；运用二元关联策略为各类单一故障分别训练对应的二分类器，从复合故障中分离出各单一故障特征并分别进行诊断。本发明解决了传统诊断方案依赖专家知识且难以对复合故障进行有效解耦并识别的问题，实现了变工况下对轴承复合故障的精确诊断，同时摆脱了现有方法对标记数据的依赖，能够对相关但不可见的目标域进行准确诊断。

本发明授权一种基于多标签领域自适应模型的轴承复合故障诊断方法在权利要求书中公布了：1.一种基于多标签领域自适应模型的轴承复合故障诊断方法，其特征在于：包括以下步骤：步骤1：采集不同工作条件下的旋转机械轴承振动信号并进行预处理，经过快速傅里叶变换后转化为频域信号；步骤2：将带标签的故障样本作为用于训练模型的源域数据，不同工况下无标记的样本则作为待检测的目标域数据，以此来验证所提方法在诊断无标记的目标数据时的有效性；步骤3：针对轴承故障诊断问题的特点，构建含有多个残差块结构的故障特征提取器；步骤4：使用源域数据对网络进行预训练，并设置学习率ξ及超参数λ；步骤5：将源域及目标域样本输入经过预训练的故障特征提取器，通过逐层卷积并度量分布差异提取到可迁移的特征；步骤6：基于多核最大均值差异联合多个核函数的子空间映射对故障特征进行精确表达，并采用多层领域自适应策略对从源域及目标域中抽取出的多层故障特征进行分布差异匹配；步骤7：运用多标签学习中的二元关联策略构建多标签分类器，对复合故障数据进行多标签转化：x,y→{x,yjj＝1,...,C}，其中C表示单一故障类别数；步骤8：将多标签分类任务转化为多个二分类问题，从复合故障中分离出各单一故障特征，为各类单一故障分别训练对应的二分类器:h＝h1,...,hC:χ→{0,1}C，输入经过特征提取器提取的可迁移特征得到分类结果；步骤9：输出关联后的多标签:并基于二分类交叉熵计算分类损失；步骤10：结合分类损失与计算多层多核最大均值差异得到的分布匹配损失得到总损失函数，并对其进行反向传播更新权值，并采用Adam算法加快模型收敛并更新模型参数；步骤11：模型训练结束后，使用目标域的测试集样本评估模型的诊断效果。

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苏州大学，其通讯地址为：215000 江苏省苏州市姑苏区十梓街1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”。