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！

龙图腾网获悉杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院);北京航空航天大学申请的专利一种基于孪生一致性故障表征自学习的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：CN120197114B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510669604.3，技术领域涉及：G06F18/2433；该发明授权一种基于孪生一致性故障表征自学习的小样本故障诊断方法是由程玉杰;周安;常一;吕琛;丁宇设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本一种基于孪生一致性故障表征自学习的小样本故障诊断方法在说明书摘要公布了：本发明提供一种基于孪生一致性故障表征自学习的小样本故障诊断方法，属于小样本数据条件下的故障诊断技术领域。首先，对样本数据集预处理后得到训练集样本和测试集样本；训练集样本中进行样本关联匹配构建故障样本关联数据集，对其进行样本空间约简。其次，基于故障样本关联数据集，通过设置训练超参数，完成故障诊断模型的训练与优化，进行待测样本与训练集样本的故障特征提取。最后，进行故障特征孪生相似性度量，进行待测样本的故障模式辨别。本发明提供的小样本故障诊断方法能够提升故障诊断模型在故障信息不平衡条件下的泛化能力与诊断性能；实现孪生特征相似性的自适应度量，提升故障模式辨别的准确性。

本发明授权一种基于孪生一致性故障表征自学习的小样本故障诊断方法在权利要求书中公布了：1.一种基于孪生一致性故障表征自学习的小样本故障诊断方法，其特征在于，所述的小样本故障诊断包括以下步骤： 步骤一、采集设备的状态监测数据构建样本数据集，对样本数据集进行预处理，得到训练集样本和测试集样本； 步骤二、基于步骤一得到的训练集样本，利用不同样本的故障标签信息，进行样本关联匹配，构建故障关联样本，得到故障样本关联数据集；其中，样本关联匹配具体为：根据样本的故障模式，将样本之间进行配对匹配，相同故障模式的样本匹配为正关联样本，不同故障模式的样本匹配为负关联样本；相同标签样本组合标签为1，不同标签样本组合标签为0； 步骤三、基于步骤二得到的故障样本关联数据集，进行样本空间约简，通过设置约简尺度，对故障关联样本进行约简，构建约简后的故障样本关联数据集；包括以下子步骤： 步骤3.1，构建约简尺度； 对于训练样本集，N为故障模式的数量，考虑训练数据集中不同故障模式样本数量的分布相对大小，有，；其中，为故障模式为的训练样本集合，为故障模式为的训练样本集合，为训练数据集中，每种故障模式样本的数量最小值，为训练数据集中，每种故障模式样本的数量中位值，和分别代表一种故障模式的训练样本集合；针对关联属性为1的关联样本集，约简尺度；针对关联属性为0的关联样本集，约简尺度； 步骤3.2，样本空间约简； 对于步骤二构建的故障样本关联数据集、，其中，为相同故障模式样本所构建的关联样本集，由于总计有N种故障模式，在中随机选取并保留N 数量的样本，剔除其余样本从而完成的样本空间约简；为不同故障模式样本所构建的关联样本集，在N种故障模式中，针对与正常样本进行样本关联的得到的故障关联样本，在这些关联样本中随机选取并保留N-1*数量的样本剔除其余样本从而完成的样本空间约简；得到约简后的故障关联样本集； 步骤四、构建并训练基于孪生一致性故障表征自学习网络的故障诊断模型，具体的：通过选择模型架构及参数，构建基于孪生一致性故障表征自学习网络的故障诊断模型，基于步骤三得到的故障样本关联数据集，通过设置训练超参数，完成故障诊断模型的训练与优化；包括以下子步骤： 步骤4.1，设计基于孪生一致性故障表征自学习网络的故障诊断模型架构；所述故障诊断模型由故障特征编码模块和特征融合度量模块构成； 首先，对于一对关联样本和利用特征编码模块进行特征提取，得到故障特征和，其中代表利用编码器模块对输入样本进行线性变换操作，代表非线性变换操作；然后，利用特征融合度量模块对上述故障特征进行孪生相似性度量，度量结果为，式中为特征拼接操作，将两故障特征沿着样本维度保证特征维数不变的方式进行特征拼接，为利用基于卷积神经网络的特征度量模块，对输入通过卷积运算来度量故障特征的孪生相似性；最终，计算得到这一对关联样本的故障特征孪生相似度； 步骤4.2，训练故障诊断模型； 基于步骤4.1所构建的故障诊断模型，以均方根误差为损失函数，其中对于第k组故障关联样本，为孪生相似度预测值，为孪生相似度标签值；并进行故障诊断模型的参数更新； 步骤五、进行待测样本与训练集样本的故障特征提取，具体的：在完成故障诊断模型训练后，基于训练好的故障诊断模型，针对待测样本与训练集样本，分别提取故障特征； 步骤六、进行故障特征孪生相似性度量，具体的：针对步骤五得到的待测样本与训练集样本的故障特征，利用训练好的故障诊断模型中的特征融合度量模块，对特征之间的故障特征孪生相似性进行度量； 步骤七、基于步骤六得到的故障特征孪生相似性度量结果，通过设置基于非平衡样本分布的标签识别策略，进行待测样本的故障模式辨别。

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杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院);北京航空航天大学，其通讯地址为：311100 浙江省杭州市余杭区瓶窑镇双红桥街166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”。