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！

龙图腾网获悉南京信息工程大学申请的专利基于动态混合路径与联邦多重蒸馏的轴承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：CN120470446B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510970648.X，技术领域涉及：G06F18/2415；该发明授权基于动态混合路径与联邦多重蒸馏的轴承故障诊断方法是由钱巍巍;沈鑫设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本基于动态混合路径与联邦多重蒸馏的轴承故障诊断方法在说明书摘要公布了：本发明公开了基于动态混合路径与联邦多重蒸馏的轴承故障诊断方法，属于机械故障诊断技术领域。该方法中自适应构建动态特征融合网络，将本地私有数据的局部特征层与全局诊断模型中的特征提取层进行级联融合；设计基于特征余弦相似度以及训练轮次的动态权重；构建缺失类蒸馏损失，通过蒸馏全局知识强化本地分类边界能力；采用历史模型集成策略，维护设备群的历史诊断模型参数集合，抑制单设备过拟合噪声数据。本发明有效解决了数据孤岛、客户端数据异构性以及模型漂移等问题，并取得了较好的轴承故障诊断结果。

本发明授权基于动态混合路径与联邦多重蒸馏的轴承故障诊断方法在权利要求书中公布了：1.基于动态混合路径与联邦多重蒸馏的轴承故障诊断方法，其特征在于，包括以下步骤： 步骤1，通过加速度传感器实时采集离目标监测轴承最近轴承座的振动信号，结合轴承不同健康状态及设备负载变化，构建多工况振动数据集，并基于故障类型与负载等级联合定义类别标签； 步骤2，对步骤1中获取的振动信号数据进行预处理，将预处理之后的振动信号数据按比例构建成训练集和测试集； 步骤3，服务器端初始化全局诊断模型，并广播至各客户端； 步骤4，各客户端加载全局诊断模型作为本地诊断模型，利用训练集对本地诊断模型进行训练，各客户端将训练后的本地诊断模型参数上传至服务器端； 步骤5，服务器端基于狄利克雷分布生成的动态权重对接收到的模型参数进行加权聚合，更新当前迭代次数下的全局诊断模型，并按时间衰减加权集成历史多轮全局诊断模型作为最新的全局诊断模型，将最新的全局诊断模型广播至客户端； 步骤6，重复步骤4和步骤5，直至达到最大迭代次数时停止，各客户端得到最终的本地诊断模型； 步骤7，各客户端利用最终的本地诊断模型，得到轴承故障诊断结果； 利用训练集对本地诊断模型进行训练的步骤包括： 步骤401，在客户端自适应构建多路径分层融合网络，包含独立的本地路径与动态构建的并行的混合路径；其中，本地路径完整保留本地诊断模型的全部网络层，维持原有特征传播路径；混合路径动态地根据分割点将本地诊断模型的前置层与全局诊断模型的后续层级联，形成多条具有差异化特征表达能力的并行分支； 步骤402，基于本地路径输出的特征张量与并行的混合路径分支输出的特征张量的余弦相似性度量，动态分配各路径的权重系数，公式为： ， 式中，t和T分别表示当前训练轮次和总训练轮数，M表示混合路径条数； 步骤403，通过加权交叉熵损失函数、多路径KL散度正则化损失函数及缺失类别知识蒸馏损失函数，联合优化本地诊断模型； 在步骤401中，在构建混合路径时，分割点根据本地诊断模型与全局诊断模型各层的特征相似度以及阈值进行动态选择，其中特征相似度的计算表达式为： ， 式中，为L2范数，和分别代表第层本地诊断模型与全局诊断模型的输出特征； 当第l层的特征相似度小于阈值时，则将本地诊断模型的第l层作为分割点。

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南京信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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”。