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！

龙图腾网获悉安徽工业大学申请的专利基于多级加权动态域对抗网络的部分集跨域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：CN117312922B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202311339033.4，技术领域涉及：G06F18/24；该发明授权基于多级加权动态域对抗网络的部分集跨域故障诊断方法是由张洪亮;张宇腾;陈毅;陈彬设计研发完成，并于2023-10-16向国家知识产权局提交的专利申请。

本基于多级加权动态域对抗网络的部分集跨域故障诊断方法在说明书摘要公布了：本发明公开了基于多级加权动态域对抗网络的部分集跨域故障诊断方法，属于故障诊断技术领域。本发明划分源域数据和目标域数据，通过特征提取器提取数据的特征表达，利用特征表达和多级权重计算策略，计算源样本多级权重；然后通过全局和局部域鉴别器并行实施源样本过滤；最后通过动态域对抗因子动态地调节全局和局部对抗自适应过程的相对重要性。本发明设计了一种基于多级权重的并行源样本过滤方案充分过滤不相关源数据并且增强训练过程中模型校正噪声权重的性能；在此基础上，构造一个带有多级源样本过滤方案的动态域对抗框架，以最大化共享类的正迁移。该方法部分集迁移故障诊断场景下能够有效过滤不相关的源类别，减少其对诊断模型的扰动。

本发明授权基于多级加权动态域对抗网络的部分集跨域故障诊断方法在权利要求书中公布了：1.一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于，包括以下步骤： 步骤1、获取历史监测数据构建源域数据集，并采集目标场景下不同状态的样本构建目标域数据集； 步骤2、建立基于多级权重的动态域对抗模型框架，该框架包括特征提取器、分类器、辅助预测器、全局域鉴别器和局部域鉴别器； 步骤3、将划分好的源域训练数据和目标域训练数据输入特征提取器，获得源域和目标域样本的特征表达； 步骤4、将目标域样本的特征表达输入分类器Gy，将源域和目标域样本的特征表达输入辅助预测器以分别获取源域数据的类级和实例级的权重；具体包括以下子步骤： 步骤4.1、将目标域数据的特征表达输入分类器Gy得到一个|Cs|维的预测输出值基于此，源域数据的类级权重可以表示为： 其中 表示输出向量的第k个元素； 步骤4.2、将源域样本的特征表达和目标域样本的特征表达输入辅助预测器以获取实例级权重首先，通过LeakySoftmax激活函数将源域和目标域的样本特征表达转换为|Cs|维度的向量： 其中，f表示输入样本的特征表达，fc为f的第c个元素，的输出元素之和小于1；经过训练的能够以高置信度精确地识别源域样本，其输出值的总和接近1；对于目标样本，其输出值的总和接近0；基于此，定义的输出为|Cs|维度上的元素之和，当的值越小，则样本xi属于目标类的概率越高，应该分配更高的实例权值；因此，实例级权重被计算为： 步骤5、将源域和目标域样本的特征表达输入域对抗框架，并平行实施类级加权的局部对抗自适应和实例级加权的对抗自适应过程，获得全局域鉴别损失值和局部域鉴别损失值； 步骤6、根据全局域对抗自适应和局部域对抗自适应的损失值计算动态域对抗因子，动态调节训练过程中全局域鉴别器和局部域鉴别器的相对重要性； 步骤7、依据上述优化目标进行模型训练，训练完成后保存最终的特征提取器和分类器的参数用于目标域测试样本的诊断； 步骤8、加载诊断模型参数，将目标域测试样本的数据输入特征提取器获取特征表达，然后输入分类器实现故障预测。

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安徽工业大学，其通讯地址为：243002 安徽省马鞍山市花山区湖东路59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”。