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！

龙图腾网获悉东华大学申请的专利一种聚酯酯化阶段的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：CN117112992B 。

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：202310948985.X，技术领域涉及：G06F18/00；该发明授权一种聚酯酯化阶段的故障诊断方法是由陈磊;彭闯;曹广浩;郝矿荣;蔡欣;隗兵设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种聚酯酯化阶段的故障诊断方法在说明书摘要公布了：本发明公开了一种聚酯酯化阶段的故障诊断方法，该方法混合了全局监督学习和情景度量元学习，利用单个样本的属性信息和来自样本组的相似性信息，首先以全局监督训练的方式，利用变分模态分解得到多尺度数据，提取具有故障特征的多尺度分量，进行多尺度特征融合学习，并利用三元组损失学习到更好的细微的特征，然后固定多尺度特征融合模块用于任务元学习训练，学习一种特征，使得元任务的原始数据转换为基本的特征空间，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间。本发明的方法简单，解决了有限数据全开放集场景下的故障诊断问题。

本发明授权一种聚酯酯化阶段的故障诊断方法在权利要求书中公布了：1.一种聚酯酯化阶段的故障诊断方法，其特征在于，包括以下步骤： 1在实际生产过程中于B生产线的聚酯酯化阶段采集数据，获取待诊断故障样本B； 2专家、技术人员对待诊断故障样本B进行故障诊断，将待诊断故障样本B分为故障类型已知的已诊断故障样本B1和故障类型未知的待诊断故障样本B2，将所有的B1组成支持集S*，S*中含有C*个故障类型； 3利用VMD技术对B1和B2进行分解，得到尺度数为H的多尺度特征； 4将S*中故障类型相同的样本归为一类，计算第c*类的故障原型c*＝1,2...,C*； 式中，代表S*中C*个故障类型的样本，代表S*中C*个故障类型的样本的数量，代表S*中的样本的D维度特征向量，代表S*中的样本的故障类型标签，代表利用训练好的多尺度特征融合模块对进行特征提取后得到的特征向量，代表利用训练好的维度变分原型模块对进行进一步特征处理得到的度量特征； 5计算与的欧几里得距离 代表B2的D维度特征向量，代表利用训练好的多尺度特征融合模块对进行特征提取后得到的特征向量，代表利用训练好的维度变分原型模块对进行进一步特征处理得到的度量特征； 6计算B2的故障类型属于第c*类的概率 代表模型预测出的标签，α代表维度变分原型模块的维度放缩参数，代表除了第c*类以外的其它类的故障原型； 7将概率最大值对应的故障类型作为B2的故障类型； 多尺度特征融合模块由第一一维卷积层、第一池化层、第二一维卷积层、第二池化层、第三一维卷积层和第四一维卷积层顺序连接而成；第一一维卷积层采用H个相同尺寸的卷积核，用于将尺度数为H的多尺度特征融合叠加成单尺度特征图； 维度变分原型模块由第一一维卷积层、第一池化层、第二一维卷积层、第二池化层顺序连接而成； 多尺度特征融合模块和维度变分原型模块的训练方法为：对A生产线的故障样本首先以全局监督训练的方式识别源域数据的故障类型，然后固定多尺度特征融合模块，用于任务元学习训练，学习一种特征代表，使得同类故障相对于不同类故障在嵌入空间中更接近，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间；A生产线和B生产线为工艺流程相同、同时进行的两条生产线。

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东华大学，其通讯地址为：201620 上海市松江区人民北路2999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”。