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！

龙图腾网获悉大连理工大学申请的专利一种基于联合判别对抗域自适应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：CN119848697B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510002373.0，技术领域涉及：G06F18/2431；该发明授权一种基于联合判别对抗域自适应的故障诊断方法是由许星晗;胡磊;李玉凤;孙凯;刘建卫设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种基于联合判别对抗域自适应的故障诊断方法在说明书摘要公布了：本发明提供一种基于联合判别对抗域自适应的故障诊断方法，属于旋转机械故障诊断领域。该方法通过领域对抗网络实现全局对齐，增加类别对齐模块，显式减小源域和目标域相同类别原型之间的距离，实现类别分布的对齐。同时提供判别差异模块，使同类特征聚集，不同类特征分离，以提取更有判别性的特征。此外，针对训练中目标域没有标签的问题，提出了一种新的伪标签策略。本发明提供的故障诊断方法能够有效解决数据分布差异较大的跨域故障诊断问题，解决现有领域自适应方法不考虑类别对齐且聚类边界附近目标样本容易错误分类的问题，具备广泛的应用场景。

本发明授权一种基于联合判别对抗域自适应的故障诊断方法在权利要求书中公布了：1.一种基于联合判别对抗域自适应的故障诊断方法，其特征在于，所述的故障诊断方法包括以下步骤： 步骤1，从设备上的加速度传感器收集两种工况下的原始振动信号，将第一种工况的振动信号作为有标签的源域数据，将第二种工况的振动信号作为无标签的目标域数据；源域数据和目标域数据均包含故障和正常样本；源域数据和目标域数据的数据分布不同；其中，用表示源域数据集，包含ns个有标记的数据，表示有标签数据，对应的标签是源域数据集的标签表示为y∈{1,2,....K}，共K个类别；目标域数据集用表示，包含nt个无标记的数据，表示无标签数据，同样包含K个类别；将所有的源域数据作为源域训练数据；随机选择一半以上的目标域数据作为目标域训练数据，剩余的作为目标域测试数据； 步骤2，构建联合判别对抗域自适应网络，所述的联合判别对抗域自适应网络包括一个基于一维CNN的领域共享特征提取器Gf，一个标签分类器Gc，一个领域判别器Gd； 步骤3，训练模型，将源域训练数据和目标域训练数据同时输入到步骤2的特征提取器中，然后将特征提取器提取的特征输入标签分类器和域鉴别器；再计算目标域训练数据伪标签；首先，根据标签分类器Softmax回归计算目标域训练数据的第一个条件概率；其次，以源域训练数据特征的平均向量作为初始聚类中心，经过多次迭代得到目标域数据的聚类中心，根据目标域数据的聚类中心计算目标域数据的第二个条件概率；最后，将两个条件概率组合获取目标域伪标签； 步骤4，计算模型的目标函数，对模型进行优化，并使用梯度下降算法更新模型参数；模型优化目标包含： 4.1标签分类损失； 4.2领域对齐损失； 4.3类别对齐损失； 4.4判别差异损失； 4.5通过结合上述4.1～4.4的四个优化目标，得到最终的优化目标函数如下式所示： L＝Lcls-βLd+ηLc+λLdist13 其中，β、η和λ分别为领域对齐损失Ld、类别对齐损失Lc和判别差异损失Ldist的惩罚系数；θf、θc和θd分别表示领域共享特征提取器、标签分类器和领域判别器的参数； 学习率用μ表示，模型的参数θf、θc和θd更新过程如下所示： 步骤5，测试模型，将目标域测试数据输入已训练好的模型，模型输出目标域测试数据的预测标签，统计预测标签的准确率。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。