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！

龙图腾网获悉浙江工业大学申请的专利基于改进自编码器的多信息融合压缩机缺陷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：CN116662735B 。

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：202310596890.6，技术领域涉及：G06F18/00；该发明授权基于改进自编码器的多信息融合压缩机缺陷诊断方法是由沈希;李康;孙哲;金华强;黄跃进;顾江萍;石凌;谢敏杰;姚琪威设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本基于改进自编码器的多信息融合压缩机缺陷诊断方法在说明书摘要公布了：基于改进自编码器的多信息融合压缩机缺陷诊断方法，属于全封闭压缩机缺陷诊断技术领域。包括以下步骤：1、搭建数据采集系统进行数据采集；2、寻优变分模态参数，对原始振动信号进行解耦和降噪；3、固有模态与原始振动信号进行融合作为模型的输入，提供更多的时域和时频域特征；4、把数据集划分为：无标签训练数据集、标签训练数据集和测试数据集；5、构建改进自编码器模型学习无标签训练样本的特征分布；6、利用标签训练集微调分类器参数，实现多传感器特征的融合；7、利用测试数据集对模型进行评估。本发明可以提取和融合不同传感器的时域和时频域特征用于压缩机的缺陷检测在少量标注样本的情况下，从而提高压缩机缺陷的检测率。

本发明授权基于改进自编码器的多信息融合压缩机缺陷诊断方法在权利要求书中公布了：1.基于改进自编码器的多信息融合压缩机缺陷诊断方法，其特征在于：通过使用优化变分模态分解方法对振动信号进行分解和解耦，利用无标签数据集训练改进自编码器，通过标签数据集调整分类器，实现压缩机缺陷诊断，具体Z包括以下步骤： S1：搭建振动数据采集系统，对不同缺陷类型压缩机的壳体振动信号进行采集和保存； S2：利用峭度因子总和最大作为适度值来寻找每个传感器最优的分解个数K，利用变分模态分解对每个样本进行分解得到K个不同频率尺度的本征模态分量IMF； S3：把每个样本的固有模态与原始振动信号拼接作为输入数据； S4：将输入数据划分为无标签训练集、标签训练集和测试集； S5：构建三个并行的改进自编码器模型来对三个方向的输入数据的特征进行提取和扩充，利用无监督学习方法得到改进自编码器模型的最优参数； S6：冻结改进自编码器中编码器的最优参数，利用监督学习方法来训练分类器，得到最优分类器参数下的模型用于压缩机缺陷的诊断； S7：对模型的诊断性能和鲁棒性进行评估和验证； 所述改进自编码器由两个卷积池化层和Transformer模块组成，卷积层的核数分别为64X16和32X8，步数分别为4和2；池化层采用最大池化，其步数都为4；Transformer由2个基本块、4个多头注意力机制、32维的Queries和Keys组成；每个并行编码器的输出维度为（None，320，1）。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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。