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！

龙图腾网获悉湖南科技大学申请的专利基于CC-FOA的风电机组迁移学习故障诊断方法及设备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：CN119885045B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510376603.X，技术领域涉及：G06F18/2433；该发明授权基于CC-FOA的风电机组迁移学习故障诊断方法及设备是由陶洁;蒋何圆;赵劲强;肖钊;王楷;邹雪梅设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于CC-FOA的风电机组迁移学习故障诊断方法及设备在说明书摘要公布了：本申请公开了一种基于CC‑FOA的风电机组迁移学习故障诊断方法及设备，涉及风电机组故障诊断领域，所述方法包括：采集多个风力发电机组的振动信号数据，将振动信号数据划分为源域数据和目标域数据并进行预处理；利用预处理后的源域数据训练堆叠稀疏去噪自编码器网络；利用混沌纵横交叉的果蝇优化算法对堆叠稀疏去噪自编码器网络的隐藏层数和每层神经元个数进行优化；将预处理后的源域数据和目标域数据输入堆叠稀疏去噪自编码器网络，在每层隐藏层添加联合概率最大均值差异约束，并基于误差之和重新训练所述网络；将重新训练的堆叠稀疏去噪自编码器网络应用于目标域数据，提取特征并进行故障分类。本申请可有效提高故障识别的准确性和可靠性。

本发明授权基于CC-FOA的风电机组迁移学习故障诊断方法及设备在权利要求书中公布了：1.一种基于CC-FOA的风电机组迁移学习故障诊断方法，其特征在于，包括： 采集多个风力发电机组的振动信号数据，将所述振动信号数据划分为源域数据和目标域数据； 对所述源域数据和目标域数据进行预处理，包括信号降噪和维度变换； 利用预处理后的源域数据训练堆叠稀疏去噪自编码器网络； 利用混沌纵横交叉的果蝇优化算法对堆叠稀疏去噪自编码器网络的隐藏层数和每层神经元个数进行优化，包括： 设定果蝇种群规模、最大迭代次数、误差精度、加速因子和纵向交叉概率；将初始种群果蝇转换成自编码器的隐藏层数和每层神经元个数进行训练，计算重构误差作为果蝇的适应度值； 对适应度值与个体位置排序，并记录全局最优值和相对应的最优个体； 对种群中所有果蝇进行两两不重复随机组合，进行横向交叉，计算果蝇适应度值，保留当期种群适应度最好的果蝇； 对横向交叉得到的果蝇的每一维进行归一化，然后对所有的维进行不重复两两随机配对，进行纵向交叉操作，反归一化后进行适应度值比较，并更新所述全局最优值和相对应的最优个体； 算法不断迭代，直到达到最大迭代次数或误差精度达到预设阈值时停止，选择适应度最好的果蝇作为最优解并输出，最优解即为堆叠稀疏去噪自编码器的最优隐藏层数和每层神经元个数； 将预处理后的源域数据和目标域数据输入优化后的堆叠稀疏去噪自编码器网络，在每层隐藏层添加联合概率最大均值差异约束，并基于误差之和重新训练所述网络； 将重新训练的堆叠稀疏去噪自编码器网络应用于目标域数据，提取特征并进行故障分类。

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湖南科技大学，其通讯地址为：411199 湖南省湘潭市雨湖区石马头；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”。