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！

龙图腾网获悉武汉理工大学申请的专利一种基于大语言模型问答对话的软对比学习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：CN120145057B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510601474.X，技术领域涉及：G06F18/214；该发明授权一种基于大语言模型问答对话的软对比学习故障诊断方法是由于燕南;刘志平;郭圳;胡涛;陆瑶;韩国栋设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种基于大语言模型问答对话的软对比学习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大语言模型问答对话的软对比学习故障诊断方法，包括：将目标旋转机械零部件的结构参数和工况信息输入到思维链大语言模型，得到适配于该零部件的强弱数据增强策略及参数；利用分层软标签分配机制对无标签的振动样本进行实例级和时间级分层度量，分别构建实例级软标签矩阵和时间级软标签矩阵；将强增强样本和弱增强样本及其软标签输入至软对比学习模块，通过分层软标签特征细化、交叉预测和上下文一致性任务，预训练特征编码器；给预训练的特征编码器添加故障诊断分类头模块，并利用少量带标签的振动样本进行微调，得到故障诊断模型；通过故障诊断模型进行故障诊断。本发明能够实现自动化数据增强与分层软对比学习的故障诊断。

本发明授权一种基于大语言模型问答对话的软对比学习故障诊断方法在权利要求书中公布了：1.一种基于大语言模型问答对话的软对比学习故障诊断方法，其特征在于，该方法包括： 获取用于故障诊断数据增强策略建议的思维链大语言模型，将目标旋转机械零部件的结构参数和工况信息输入到思维链大语言模型，得到适配于该零部件的强弱数据增强策略及参数； 获取目标旋转机械零部件的无标签的振动样本，利用分层软标签分配机制对无标签的振动样本进行实例级和时间级分层度量，分别构建实例级软标签矩阵和时间级软标签矩阵，并基于所构建的实例级软标签矩阵和时间级软标签矩阵为样本分配软标签； 基于适配于该零部件的强弱数据增强策略及参数对无标签的振动样本进行数据增强，得到强增强样本和弱增强样本，并将强增强样本和弱增强样本及其软标签输入至软对比学习模块，通过分层软标签特征细化、交叉预测和上下文一致性任务，预训练特征编码器； 给预训练的特征编码器添加故障诊断分类头模块，并利用少量带标签的振动样本进行微调，得到故障诊断模型； 将目标旋转机械零部件的振动样本输入至故障诊断模型，得到故障诊断结果； 其中，利用分层软标签分配机制对无标签的振动样本进行实例级和时间级分层度量，分别构建实例级软标签矩阵和时间级软标签矩阵，并基于所构建的实例级软标签矩阵和时间级软标签矩阵为样本分配软标签，包括： 基于动态时间规整DTW计算无标签的振动样本之间的距离，构建实例级的距离矩阵，平滑处理距离矩阵对角线上的值并执行距离矩阵的归一化，再通过1减距离的方式将归一化后的距离矩阵转换为实例级相似度矩阵，最后结合sigmoid函数为样本分配实例级软标签矩阵： 式中，表示样本a和样本b之间的距离，由动态时间规整DTW计算得到；为第一温度参数，用于控制软标签的平滑程度；为权重参数；为单位矩阵的对角线元素； 根据特征编码器的卷积网络结构，在每层卷积后计算时间轴距离，构建时间级权重矩阵，并基于sigmoid函数对无标签的振动样本在不同卷积层上的时间滞后距离进行平滑转换，得到时间级软标签矩阵： 式中，p和q为时间点索引；为时间点之间的绝对差距，表示时间滞后距离；为第二温度参数，用于控制时间权重的分布平滑程度。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。