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！

龙图腾网获悉安徽理工大学申请的专利基于无监督跨模态双曲子空间的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：CN118503811B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410657988.2，技术领域涉及：G06F18/2413；该发明授权基于无监督跨模态双曲子空间的故障诊断方法是由苏树智;陈见;许梦杰;朱彦敏设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本基于无监督跨模态双曲子空间的故障诊断方法在说明书摘要公布了：本发明公开了基于无监督跨模态双曲子空间的故障诊断方法，主要是构建无监督跨模态双曲子空间学习模型，从而能够在无监督环境下学习故障数据的跨模态特征，有效提高无监督环境下故障诊断的准确性，具体实现过程为：1借助故障样本数据间的不同流形结构，构建无监督跨模态双曲子空间学习模型；2优化求解该模型中跨模态双曲子空间投影矩阵的解析解；3在跨模态双曲子空间投影方向的基础上获得故障样本数据的跨模态故障特征，并利用分类器获得故障诊断的分类结果。与现有技术相比，本发明的故障诊断方法更具有效性和准确性。

本发明授权基于无监督跨模态双曲子空间的故障诊断方法在权利要求书中公布了：1.跨模态双曲子空间的故障诊断方法，包括如下步骤： 步骤1，在故障设备上安装传感器采集数据信号，利用不同故障轴承，采集不同类型的故障信号，按照采样长度进行划分采集到的故障信号，其中，轴承故障数据选自Paderborn轴承数据集，所述故障轴承分为人为损伤故障、加速寿命损伤故障和无故障，人为损伤分别为内圈故障和外圈故障，加速寿命损伤是内圈和外圈的混合故障； 步骤2，将划分好的数据信号分别从时域、频域以及时频域角度提取原始数据信号特征，构建高维故障特征集X＝[x1,…,xn]∈Rp×n和Y＝[y1,…,yn]∈Rq×n，其中p,q代表X,Y的样本维数，n表示样本的数量，x,y为来源于特征样本集的任一对样本； 步骤3，通过局部相关理论与双曲空间学习构建了无监督跨模态双曲子空间学习模型，构建的模型如下： maxFTXQXYYTG s.t.FTXQXXXTF＝1 GTYQYYYTG＝1 在该模型中，样本经过中心化，记为观察样本的均值，F,G为X,Y寻找的两组特征投影向量，FT和GT是特征投影向量F和G的转置，使得x'＝FTX，Y'＝GTY之间的相关性达到最大；无监督跨模态双曲子空间学习模型中的QXY＝DXY-QX°QY，QXX＝QXX-QX°QX，QYY＝DYY-QY°QY，符号°表示矩阵计算的算子，又有对于矩阵DXY和DYY是同样的表达，DXY、DYY和DXX是大小为n×n的对角矩阵，相似度矩阵和可以进行如下描述： 其中ρxi,xj＝dxi,xj； dxi,yj是庞加莱球模型中的测地线距离，复杂网络的双曲几何模型采用扩展的庞加莱圆盘模型表征双曲空间其表示如下： 其中xi和yj分别表示样本向量i和j；庞加莱圆盘模型为庞加莱球模型在二维下的具体体现，庞加莱圆盘模型具有保角性，即模型中双曲线之间的欧几里德角与其双曲值相等；庞加莱圆盘模型中的距离与欧氏空间中的不同，从圆盘中心出发的双曲距离rh与欧氏距离re之间具有的关系； 步骤4，对步骤2中构建好的模型进行优化求解，得到跨模态双曲子空间投影矩阵F,G，优化求解跨模态双曲子空间的广义特征值方程如下： 广义特征值λ即为跨模态双曲子空间的优化问题的目标函数值；求解上式并得到投影矩阵F,G后，高维故障数据样本就可以根据FTx和GTy的形式进行降维； 步骤5，利用步骤3的双曲子空间投影矩阵获得故障数据的跨模态特征，并利用KNN分类器获得故障数据的分类结果。

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安徽理工大学，其通讯地址为：232001 安徽省淮南市泰丰大街168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”。