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！

龙图腾网获悉中南大学申请的专利一种基于无监督学习的故障诊断方法和设备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：CN116910657B 。

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：202310054333.1，技术领域涉及：G06F18/2413；该发明授权一种基于无监督学习的故障诊断方法和设备是由龙军;欧毅奇;罗跃逸;齐倩倩设计研发完成，并于2023-02-03向国家知识产权局提交的专利申请。

本一种基于无监督学习的故障诊断方法和设备在说明书摘要公布了：本发明公开了一种基于无监督学习的故障诊断方法和设备，方法用于对运维工具的运维对象进行故障诊断，包括步骤：获取运维工具的历史日志数据，采用自然语言处理方法表示为日志向量，并嵌入时间和位置信息；对所有历史日志向量聚类；使用同类别下的i个历史日志向量学习对应类别日志的内在模式；获取运维工具的当前日志数据，表示为入有位置和时间的当前日志向量；用当前日志向量所属类别的内在模式，根据当前日志向量及其所属类别下近似的i‑1个历史日志向量，获得参照日志向量；将当前日志向量与参照日志向量对比，判断运维对象是否故障以及故障所在的模块。本发明能快速对运维对象故障进行诊断定位，提高运维对象的故障检测效率和准确率。

本发明授权一种基于无监督学习的故障诊断方法和设备在权利要求书中公布了：1.一种基于无监督学习的故障诊断方法，其特征在于，用于对运维工具的运维对象进行故障诊断，包括以下步骤： 获取运维工具的大量历史日志数据，采用自然语言处理方法将每条日志数据表示为日志向量，并向其中嵌入日志数据的时间和对应的模块位置； 对得到的历史日志向量进行聚类，且类别数与运维对象的模块数量相同； 使用同类别下的i个历史日志向量学习对应类别日志的内在模式； 获取运维工具的当前日志数据，按历史日志数据相同的处理方式获得嵌入有位置和时间的当前日志向量； 通过距离判断当前日志向量所属类别，然后用所属类别的内在模式，根据当前日志向量及其所属类别下近似的i-1个历史日志向量，获得参照日志向量； 将当前日志向量与参照日志向量对比，判断运维对象是否故障以及故障所在的模块； 其中，采用自编码器学习各类别日志的内在模式，具体为： 首先将同类别下的i个历史日志向量拼接成矩阵； 然后对日志矩阵中的部分日志向量进行掩码处理，输入至编码器进行编码得到编码矩阵； 再将编码矩阵中掩码位置处的编码向量，输入至解码器进行解码；记解码输出为预测日志向量； 最后根据所有的预测日志向量和对应掩码处理前的日志向量，使用损失函数对解码器网络进行训练，训练所得解码器可表示该类别下的日志内在模式； 其中，所述用所属类别的内在模式，根据当前日志向量及其所属类别下近似的i-1个历史日志向量，获得参照日志向量，具体为： 首先将当前日志向量及其所属类别下近似的i-1个历史日志向量拼接成矩阵； 然后对拼接的日志矩阵中的当前日志向量进行掩码处理，再输入至编码器进行编码，得到编码矩阵； 最后将编码矩阵中当前日志向量对应的编码向量，输入至训练好的解码器，输出得参照日志向量。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。

以上内容由龙图腾AI智能生成。