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！

龙图腾网获悉浙江大学申请的专利面向火电设备故障的类别树和多粒度故障诊断模型构建方法及分层零样本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：CN117150238B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202311037107.9，技术领域涉及：G06F18/20；该发明授权面向火电设备故障的类别树和多粒度故障诊断模型构建方法及分层零样本诊断方法是由赵春晖;张堡霖;陈旭;赵健程;宋鹏宇设计研发完成，并于2023-08-17向国家知识产权局提交的专利申请。

本面向火电设备故障的类别树和多粒度故障诊断模型构建方法及分层零样本诊断方法在说明书摘要公布了：本发明公开了一种面向火电设备故障的类别树和多粒度故障诊断模型构建方法及分层零样本诊断方法。本发明设计了数据属性融合的类别树构建机制，利用数据相似度融合属性相似度，自下而上构造故障类别树，并通过构建多粒度的故障诊断模型，设计逐层知识转移策略，将粗粒度任务模型参数视为知识，为细粒度任务提供指导，与所设计注意力模块共同作用以提高多粒度的故障诊断模型对相似未见故障的区分能力从而获得训练好的多粒度故障诊断模型。再利用训练好的模型，设计概率融合策略将粗粒度任务诊断结果融入细粒度任务，从而实现零样本故障诊断。本发明能挖掘故障类型的多粒度特性，并提高工业过程零样本故障诊断中相似未见故障分类的准确性。

本发明授权面向火电设备故障的类别树和多粒度故障诊断模型构建方法及分层零样本诊断方法在权利要求书中公布了：1.一种面向火电设备故障的类别树和多粒度故障诊断模型构建方法，其特征在于，包括以下步骤： 步骤1：收集火电设备各种类型的故障数据构建训练数据集，所述训练数据集包括已见故障和未见故障的故障数据，其中已见故障的故障数据包括故障类型及其对应的工业过程数据和属性向量；未见故障的故障数据包括故障类型及其对应的属性向量； 步骤2：基于步骤1构建的训练数据集构建面向火电设备故障的类别树；所述类别树的高度为n，类别树的每一结点对应一故障类型，类别树第1层的结点由训练数据集中所有的故障类型构成，类别树第2-n层的结点分别由上一层结点对应的故障数据的聚类结果设置构成；其中，第k层的结点与第k-1层的结点对应的故障数据的聚类类别一一对应，结点对应的故障类型为聚类类别标签，属性向量为聚类类别中所有故障类型的属性向量的均值；同时标记结点类型，对于第1层的结点，根据训练阶段结点对应的故障类型是否包含工业过程数据进行标记，若不包含则标记为未见，否则标记为已见；对于类别树第2-n层的结点，若构成第k层结点的子结点中均为未见结点，则该结点标记为未见，若构成第k层结点的子结点中均为已见结点，则该结点标记为已见，否则标记为其他； 步骤3：基于步骤2构建的类别树构建多粒度故障诊断模型；所述多粒度故障诊断模型包括分支共享特征提取器和n个与类别树层一一对应的多粒度故障诊断分支，每个多粒度故障诊断分支包括一个分支特征提取器和分支属性预测器；所述分支共享特征提取器用于提取工业过程数据的共享特征，分支特征提取器用于基于共享特征提取对应类别树层的分支特征，分支属性预测器用于基于分支特征输出对应类别树层的预测属性向量； 步骤4：将步骤1中的工业过程数据作为多粒度故障诊断模型的输入，基于每个分支的注意力向量和每个分支属性预测器分别输出的对应类别树层的预测属性向量获得每种故障类型的分类概率；依据分类概率构建损失函数进行训练，获得训练好的多粒度故障诊断模型。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。