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！

龙图腾网恭喜电子科技大学申请的专利基于孪生网络的机械传动部件小样本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：CN119167086B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411227749.X，技术领域涉及：G06F18/214；该发明授权基于孪生网络的机械传动部件小样本故障诊断方法是由米金华;王志国;李鵾鹏;王敏;刘震;程玉华;黄承赓设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本基于孪生网络的机械传动部件小样本故障诊断方法在说明书摘要公布了：本发明公开了一种基于孪生网络的机械传动部件小样本故障诊断方法，对机械传动部件在正常状态和不同故障状态下进行信号样本采集得到训练样本集，对每个信号样本提取信号特征，构建孪生网络采用训练样本集进行训练，然后将每个信号样本对输入训练好的孪生网络，得到嵌入特征对并据此计算两个信号样本的相似度，采用K近邻算法得到每个信号样本的邻居集合，以此构建训练样本集的信号图，构建基于图神经网络的节点分类模型并采用训练样本集的信号图进行训练，当需要进行机械传动部件的故障诊断时，生成待检测信号样本的信号图并输入训练好的节点分类模型，得到待检测信号样本的故障诊断结果。本发明可以有效提高小样本故障诊断的准确率。

本发明授权基于孪生网络的机械传动部件小样本故障诊断方法在权利要求书中公布了：1.一种基于孪生网络的机械传动部件小样本故障诊断方法，其特征在于，包括以下步骤：S1：根据实际需要设置传感器，对机械传动部件在正常状态和M种不同故障状态下进行信号样本采集，每种状态下信号样本数量dm根据小样本故障诊断的实际需要确定，m＝0表示正常状态，m＝1,2,…,M表示对应序号的故障状态，为每个信号样本xi标注其所对应状态的序号Si，i＝1,2,…,D，Si＝0,1,…,M，从而得到训练样本集；S2：对训练样本集中每个信号样本xi提取信号特征Fi；S3：构建孪生网络，包括两个参数共享的特征提取子网络，分别对输入的信号样本对中的两个信号样本的信号特征进行特征嵌入得到嵌入特征；S4：将训练样本集中信号样本两两组合得到信号样本对xi,xi′，i′＝1,2,…,Di′≠i；记信号样本对的数量为G＝DD-12，记每个信号样本对为Pg＝xg,1,xg,2，g＝1,2,…,G,对每个信号样本对进行标签标注，当信号样本xg,1和信号样本xg,2对应同一故障状态，则为正样本，令标签Yg＝0，否则为负样本对，令标签Yg＝1；采用所有信号样本对Pg＝xg,1,xg,2的信号特征对Fg,1,Fg,2及标签Yg对孪生网络进行训练，得到训练好的孪生网络；S5：将每个信号样本对xi,xi′的信号特征对Fi,Fi′输入训练好的孪生网络，得到嵌入特征对Vi,Vi′，计算嵌入特征Vi和Vi′的相似度作为信号样本对xi,xi′中两个信号样本的相似度；然后采用K近邻算法得到每个信号样本xi最为相似的K个邻居得到邻居集合；将每个信号样本xi作为节点，步骤S2提取的信号特征Fi作为节点特征，根据邻居集合确定节点之间的边，生成信号图；S6：构建基于图神经网络的节点分类模型，用于根据输入的信号图预测得到信号图中每个节点的故障状态类别；S7：采用步骤S5得到信号图对节点分类模型进行训练，得到训练好的节点分类模型；S8：当需要进行机械传动部件的故障诊断时，随机采集若干个待检测信号样本，采用步骤S2中相同方法提取得到每个待检测信号样本的信号特征，然后两两组合得到信号样本对，采用步骤S5中的相同方法生成待检测信号图，将待检测信号图输入训练好的节点分类模型，得到每个节点所对应的故障状态类别，从而得到每个待检测信号样本的故障诊断结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。