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！

龙图腾网获悉电子科技大学申请的专利一种基于胶囊网络轻量化模型的机械多故障智能识别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：CN115392358B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210958834.8，技术领域涉及：G06F18/2433；该发明授权一种基于胶囊网络轻量化模型的机械多故障智能识别方法是由刘治汶;郝亮;唐蕙;赵锐东设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种基于胶囊网络轻量化模型的机械多故障智能识别方法在说明书摘要公布了：本发明公开了一种基于胶囊网络轻量化模型的机械多故障智能识别方法，该方法首先收集传感器采集的时间序列数据，并将其转换为图像，存入机械多故障状态数据库中；其次构建特征提取教师模型并训练到模型收敛；然后构建特征提取学生模型并训练到模型收敛，特征提取学生模型总损失定义为KL散度损失和对比损失之和；最后，将上述特征提取学生模型的权重冻结，并在后面添加胶囊网络分类模块，分类模块包含可实现参数共享的数字胶囊层。模型的损失函数为边沿损失，训练模型直到模型收敛即可得到胶囊网络轻量化模型。本发明主要用于便携设备在恶劣环境下的机械多故障状态智能识别场合。

本发明授权一种基于胶囊网络轻量化模型的机械多故障智能识别方法在权利要求书中公布了：1.一种基于胶囊网络轻量化模型的机械多故障智能识别方法，该方法包括： S1、按机械故障具体类别收集传感器采集的一维信号序列数据，将数据转为图像，建立机械多故障状态数据库；机械多故障状态数据库由若干个成对的时间序列数据和健康状态标签组成； S2、基于机械多故障状态数据库，将所述机械多故障状态数据库划分为训练集和测试集；构建特征提取教师模型，模型损失函数为对比损失losscl，对比损失是衡量同一个批次中同类样本的特征相似度和不同样本特征远离度的指标；特征提取教师模型包含ResNet-18和初级胶囊层，采用Adam优化算法训练模型直到模型收敛； S3、构建比特征提取教师网络模型复杂度更低的特征提取学生模型； 特征提取学生模型的输出需要与特征提取教师模型的输出维度一致，特征提取学生模型总损失lossstudent为KL散度损失losskl和对比损失losscl之和；KL散度损失是衡量特征提取教师模型到特征提取学生模型之间的知识蒸馏能力的指标，特征提取学生模型包含LeNet-5和初级胶囊层，采用Adam优化算法训练模型直到模型收敛； S4、将上述特征提取学生模型的权重冻结，并在特征提取学生模型后添加胶囊网络分类模块，特征提取学生模型加胶囊网络分类模块两部分整体称作胶囊网络轻量化模型；胶囊网络轻量化模型包含数字胶囊层和Length层，一个数字胶囊层对应多个数字胶囊，每个数字胶囊包含多个神经元；数字胶囊层和初级胶囊层之间的参数更新使用动态路由机制，Length层求出对应数字胶囊的二范数；初级胶囊层与数字胶囊层之间的权重变换矩阵维度实现了从a×l1×b×l2到l1×b×l2的降低，其中，a是初级胶囊层中胶囊的个数，l1是每个初级胶囊的神经元个数，b是数字胶囊层中数字胶囊的个数，l2是每个数字胶囊层中神经元的个数；胶囊网络轻量化模型的损失函数为边沿损失lossmargin，采用Adam优化算法训练模型直到模型收敛； S5、获取上述机械多故障状态数据库的测试集作为输入，通过训练后的胶囊网络分类模块获取机械多故障状态智能识别结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。