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FE-FAGDM的零样本条件下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：CN120217120B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510694507.X，技术领域涉及：G06F18/241；该发明授权一种基于FE-FAGDM的零样本条件下故障诊断方法是由程玉杰;常一;吕琛;丁宇设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本一种基于FE-FAGDM的零样本条件下故障诊断方法在说明书摘要公布了：本发明提供一种基于FE‑FAGDM的零样本条件下故障诊断方法，属于工业设备故障诊断技术领域。首先，进行故障知识收集，同时基于故障描述和故障维修记录明确出现的故障模式，提取故障模式对应的故障属性；其次，进行监测参数优选，从所有监测参数中优选出对故障属性变化敏感的参数，以此作为故障样本；再次，将优选参数集作为故障样本，对其进行特征重构得到特征重构故障样本；最后，进行引导生成特征重构样本，并选用SVM作为故障诊断模型，实现零样本条件下的故障诊断。本发明将扩散模型强大的数据分布学习能力和语义引导生成方法相结合，提取故障语义属性作为引导，能够实现工业过程中零样本故障模式的故障样本高质量生成，提高故障诊断准确率。

本发明授权一种基于FE-FAGDM的零样本条件下故障诊断方法在权利要求书中公布了：1.一种基于FE-FAGDM的零样本条件下故障诊断方法，其特征在于，所述零样本条件下故障诊断方法包括以下步骤： 步骤一、收集故障知识； 收集原始故障数据，对监测参数记录的起止时间进行统一，并提取故障模式对应的故障属性，称有样本的故障模式为已见类故障模式，无样本的故障模式为零样本故障模式； 步骤二、优选监测参数； 根据故障模式与故障属性构建“故障模式-故障属性”关联矩阵，选出对故障属性变化敏感的监测参数，作为故障样本； 步骤三、故障样本特征重构： 对故障样本进行特征重构得到特征重构故障样本； 步骤四、特征重构样本引导生成： 构建扩散模型FE-FAGDM，利用已见类特征重构故障样本和相应的故障属性标签对FE-FAGDM进行训练，将零样本故障模式所有的故障属性作为引导条件嵌入到FE-FAGDM中，得到零样本故障模式的生成故障样本；具体的： 步骤4.1，构建特征增强和故障属性引导的扩散模型，简称为FE-FAGDM模型；其中，FE-FAGDM模型的结构包括3个下采样层、2个时间嵌入层、2个语义嵌入层、3个上采样层和1个输出层； 步骤4.2，构建FE-FAGDM模型的损失函数，基于降噪扩散概率模型DDPM构建FE-FAGDM的损失函数；训练过程中，将高斯噪声逐步添加到信号中； 步骤4.3，步骤4.2中的故障引导标签为故障语义属性矩阵的行向量，第i个故障Fi的引导标签如下式： 其中，Aij为第i个故障模式Fi的与第j个故障语义属性Aj的相关性表征值，m为故障语义属性个数； 步骤4.4，以步骤4.2的FE-FAGDM模型损失函数为训练过程的目标函数，基于步骤3所得特征重构故障样本和相应的故障语义属性标签对FE-FAGDM模型进行训练，得到训练好的FE-FAGDM模型； 步骤4.5，FE-FAGDM模型的目标是针对零样本故障模式生成高质量的故障样本；通过训练好的FE-FAGDM模型生成故障样本；基于CFG-DDPM的采样，以零样本故障模式的引导标签lu引导FE-FAGDM模型生成零样本故障的生成故障样本； 步骤五、故障诊断： 选用SVM模型作为故障诊断模型，使用生成故障样本对SVM模型进行训练，将实际的零样本故障模式的特征重构故障样本输入SVM模型，实现零样本条件下的故障诊断。

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”。