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！

龙图腾网获悉浙江大学申请的专利一种持续无监督域适应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：CN119226888B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411370323.X，技术领域涉及：G06F18/241；该发明授权一种持续无监督域适应故障诊断方法是由陈博戬;张新民;钱金传;宋执环设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种持续无监督域适应故障诊断方法在说明书摘要公布了：本发明公开了一种持续无监督域适应故障诊断方法，采集旋转机械设备的源域和目标域故障数据；采取基于度量和表征学习的原型对比学习策略，用源域数据预训练故障诊断模型，得到均匀分割的单位超球面特征空间，故障诊断模型包括特征提取器和余弦相似度分类器；冻结源域预训练得到的原型，对故障诊断模型进行结合源域数据的有监督训练，实现对目标域的持续域适应；进行源特征知识蒸馏和局部域对齐，并最大化特征与原型之间的互信息损失，结合源域数据对故障诊断模型进行有监督训练；故障诊断模型完成当前所有目标域的学习后，应用到实际故障诊断中。本发明能快速有效地适应新的数据分布，并保持模型在历史数据分布上的性能，避免知识遗忘。

本发明授权一种持续无监督域适应故障诊断方法在权利要求书中公布了：1.一种持续无监督域适应故障诊断方法，其特征在于，包括以下步骤： S1：获取旋转机械设备的源域和目标域故障数据，有标签的源域为表示第i个源域故障样本，表示对应的标签，共有C类；Ns表示源域样本总数；无标签的目标域为Tt表示第t个目标域，表示第t个目标域中的第j个目标域故障样本，表示第t个目标域的样本总数； S2：采取基于度量和表征学习的原型对比学习策略，原型对比学习策略包括通过有监督的信息噪声对比估计实现的实例间对比损失、通过交叉熵损失实现的实例与原型间对比损失；用源域数据预训练故障诊断模型，得到均匀分割的单位超球面特征空间；故障诊断模型包括特征提取器和余弦相似度分类器，余弦相似度分类器由多个原型组成，pc表示第c类的原型，||pc||2＝1； S3、使用源域数据适应目标域数据：冻结源域预训练得到的原型，对故障诊断模型进行结合源域数据的有监督训练，实现对目标域的持续域适应；进行源特征知识蒸馏和局部域对齐，并最大化特征与原型之间的互信息损失，结合源域数据对故障诊断模型进行有监督训练； S4：所述故障诊断模型完成当前所有目标域的学习后，应用到实际故障诊断中。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。