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！

龙图腾网获悉燕山大学申请的专利一种基于自适应残差对抗网络的无监督轴承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：CN115127814B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210863740.2，技术领域涉及：G01M13/045；该发明授权一种基于自适应残差对抗网络的无监督轴承故障诊断方法是由温江涛;雷鸣;孙洁娣;刘仲雨;张哲;丁泽行设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于自适应残差对抗网络的无监督轴承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自适应残差对抗网络的无监督轴承故障诊断方法，包括如下步骤：步骤S1、生成源域分类网络模型，根据轴承历史振动信号监督训练得到特征提取器和源域分类器；步骤S2、生成基于自适应残差对抗网络的无监督轴承故障诊断模型，根据不同工况轴承历史振动信号优化基于自适应残差对抗网络的无监督模型的参数；步骤S3、基于目标轴承振动实测值进行轴承故障诊断。本发明采用深度残差网络提取源域和目标域原始振动数据的深度特征，采用对抗学习和改进多核最大均值差异来同时精准对齐源域和目标域的边缘概率分布和条件概率分布，并实现了跨域轴承故障诊断并具有较高的识别准确率及泛化性能。

本发明授权一种基于自适应残差对抗网络的无监督轴承故障诊断方法在权利要求书中公布了：1.一种基于自适应残差对抗网络的无监督轴承故障诊断方法，其特征在于：包括如下步骤： 步骤S1、生成源域分类网络模型，根据轴承历史振动信号监督训练得到特征提取器和源域分类器； 所述步骤S1的具体过程包括： 步骤S11，构建一维残差网络作为信号特征提取器：基于残差连接的卷积层构建的改进残差块作为特征提取器网络基础结构，结构上采用多个改进残差块连接，并在多个改进残差块之后应用全局平均池化层对特征进行进一步降维并压缩网络参数量；一维残差网络包含两个初始卷积块、四个改进残差块和一个全局平均池化层，四个改进残差块均由两层卷积层组成且每层卷积层使用SELU激活函数； 步骤S12，构建源域分类器的网络结构：采用三层全连接层对步骤S11中提取出的数据特征进行学习，三层全连接层后连接一个Softmax层，通过Softmax层分类出故障类别； 步骤S2、生成基于自适应残差对抗网络的无监督轴承故障诊断模型，根据不同工况轴承历史振动信号优化基于自适应残差对抗网络的无监督模型的参数； 步骤S2的具体过程如下： 步骤S21，采用三层全连接层后连接一个Softmax层构建目标域分类器的网络结构； 步骤S22，根据对抗学习思想构建域鉴别器的网络结构，域鉴别器用来区分出特征提取器处理后的特征是来自源域还是目标域，域鉴别器由三层全连接层和一层Softmax层组成； 步骤S23，通过随机初始化权重的方式为域鉴别器和目标域分类器赋值权重，并将权重进行归一化处理以满足SELU激活函数的要求； 步骤S24，将步骤S14得到的特征提取器网络和源域分类器网络引入，并将S14中得的网络参数作为初始化参数； 步骤S25，获取两种不同工况的轴承振动数据，分别作为源域数据集和目标域数据集，二者归一化处理之后的数据作为训练模型的输入数据； 步骤S26，将步骤S25中得到的源域和目标域数据作为特征提取器的输入，提取出源域和目标域各自的数据特征； 步骤S27，将步骤S26中得到的源域数据特征作为源域分类器的输入，目标域数据特征作为目标域分类器的输入，利用多核最大均值差异计算源域分类器和目标域分类器输出之间的差距，基于标签分类结果，利用交叉熵损失生成第一损失函数，第一损失函数的公式如下： 其中，为交叉熵分类损失函数，Gf为特征提取器表示函数，Gy为分类器表示函数，xi为第i个样本，yi为xi对应的类别标签，ns为源域总样本数量； 基于得到领域分类结果，利用交叉熵损失生成第二损失函数，第二损失函数的公式如下： 其中，为域分类器的交叉熵损失函数，D为域鉴别器表示函数，nt为目标域总样本数量，di为xi对应的领域标签且di＝0or1； 将步骤S26中得到的源域数据特征和目标域数据特征作为域鉴别器的输入，并根据全连接层中的MK-MMD损失生成第三损失函数，第三损失函数公式如下： 其中，是源域第i个样本的高级特征，是源域第j个样本的高级特征，是目标域第i个样本的高级特征，是目标域第j个样本的高级特征，K.，.为高斯核函数； 步骤S28，将步骤S27中得到的第一损失函数、第二损失函数、第三损失函数根据相应的权重构建基于残差联合自适应网络的无监督模型的总体损失函数，总体损失函数如下： 其中，θf,θy,θd和分别代表特征提取器、分类器、域鉴别器和MK-MMD的参数，系数μ为动态加权系数，通过计算域和类别之间的MK-MMD距离得到一个动态加权系数μ，动态加权系数μ将MK-MMD距离与多个对抗领域损失定量和定性地结合在一起，形成一个联合分布距离动态更新权重系数； 步骤S29，重复步骤S25-S28并根据相应损失函数不断通过反向传播调整特征提取器、分类器和域鉴别器的模型参数，在达到最大训练次数或在训练次数范围内损失函数到预设值时停止训练，得到优化后的基于自适应残差对抗网络的无监督模型； 步骤S3、基于目标轴承振动实测值进行轴承故障诊断。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。