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！

龙图腾网获悉中国科学技术大学申请的专利一种无监督域自适应的设备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：CN119884970B 。

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：202411936609.X，技术领域涉及：G06F18/2431；该发明授权一种无监督域自适应的设备故障诊断方法是由赵云波;何创创;康宇;吕文君设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种无监督域自适应的设备故障诊断方法在说明书摘要公布了：本发明涉及跨域故障诊断技术领域，公开了一种无监督域自适应的设备故障诊断方法，包括：构建基于小波增强的模糊高斯混合深度域自适应网络的模型；小波增强多尺度变换器网络通过小波包分解、多尺度卷积、频带自适应注意力机制、Transformer编码器层和特征融合层提取特征；模糊高斯混合领域自适应通过域鉴别器和特征提取器的对抗性训练、生成目标域伪标签和置信度、基于混合高斯分布计算模糊隶属度、动态加权调整最终权重、边缘分布对齐与条件分布对齐实现领域自适应；本发明引入计算目标样本模糊隶属度并与伪置信度进行融合加权策略，能够处理不同机器的音频数据，并在目标域上实现更准确地分类和故障检测。

本发明授权一种无监督域自适应的设备故障诊断方法在权利要求书中公布了：1.一种无监督域自适应的设备故障诊断方法，其特征在于，包括以下步骤： 步骤一，采集各种机器在不同健康状况下的音频信号，对部分机器的音频信号标注故障类别标签后作为源域样本，其他机器的无标签的音频信号作为目标域样本； 步骤二，构建基于小波增强的模糊高斯混合深度域自适应网络的模型，所述模型包括小波增强多尺度变换器网络和模糊高斯混合领域自适应；小波增强多尺度变换器网络通过小波包分解、多尺度卷积、频带自适应注意力机制、Transformer编码器层和特征融合层提取特征；将小波增强多尺度变换器网络作为特征提取器，模糊高斯混合领域自适应通过域鉴别器和特征提取器的对抗性训练、生成目标域伪标签和置信度、基于混合高斯分布计算模糊隶属度、动态加权调整最终权重、边缘分布对齐与条件分布对齐实现领域自适应； 步骤三，将源域样本和目标域样本输入模型，初始化模型参数，通过域鉴别器损失、标签分类器损失、条件分布对齐损失和边缘分布对齐损失构成的总损失函数更新模型参数； 步骤四，将测试音频信号输入到完成训练的模型，得到测试音频信号的故障类别； 所述小波包分解，具体包括： 输入模型的音频信号记为x∈RT×C，其中，T是时间步长的维度，C是音频信号的通道数；通过对音频信号x进行多层小波包分解，输出多个不同尺度的频带特征，设定小波包的层数是N，则小波包分解输出的所有频带特征表示为： Wscale＝WPTx,Wscale＝{Wi,j|i＝1,2,…,N；j＝1,2,…,2i}； 其中，Wscale表示所有层级的频带特征Wi,j的集合，Wi,j表示第i层第j个子频带的频带特征，频带特征由一系列具体的频带系数组成；WPT·表示小波包分解操作； 所述多尺度卷积通过对音频信号进行小波包分解后得到的多尺度频带特征上应用卷积操作：将2N个频带特征按照频率范围划分成G个组，每组使用独立的卷积核共享机制，保持每个尺度的独特性，同时处理不同的频带特征；对于每个频带特征Wi,j，卷积操作的输出为： hi＝σWgi*Wi,j+bgi； 其中，表示频带系数经过卷积操作处理后的卷积特征，T′和C′分别表示卷积后的时间步和通道数，gi表示第i个频带特征所属的组，Wgi为gi对应的卷积核，bgi为gi对应的偏置项，σ是激活函数； 所述频带自适应注意力机制使用两层全连接网络生成注意力权重，通过可学习的注意力权重φi对每个频带特征对应的卷积特征hi进行加权，得到加权融合特征： φi＝softmaxW2·ReLUW1·hi+b1+b2； 其中，W1,W2分别表示两层全连接网络的权重，b1,b2分别是W1,W2对应的偏置项；φi表示第i个频带特征对应的卷积特征hi的注意力权重； 加权融合特征FMSWPC为： 所述Transformer编码器层将加权融合特征作为输入，利用Transformer的自注意力机制提取全局上下文信息；Transformer的自注意力机制为： 其中，Q,K,V分别表示查询矩阵、键矩阵、值矩阵，通过加权融合特征FMSWPC线性变换得到，dk是键的维度；经过L层Transformer编码器后，输出全局特征其中dTrans是Transformer的输出通道数，为了保证特征融合时的维度对齐，通过线性层调整Transformer输出维度为dCNN： F′Trans＝Walign·FTrans+balign； 其中，表示对齐权重矩阵，balign是偏置项，dCNN表示调整后的输出维度，F′Trans表示最终的全局特征。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。