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！

龙图腾网获悉西安交通大学申请的专利正常样本聚合对比学习网络的齿轮箱变工况故障检测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：CN119321890B 。

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：202411271271.0，技术领域涉及：G01M13/028；该发明授权正常样本聚合对比学习网络的齿轮箱变工况故障检测方法是由杨来浩;胡晨烨;严如强;商佐港;李亚松;孙闯设计研发完成，并于2024-09-11向国家知识产权局提交的专利申请。

本正常样本聚合对比学习网络的齿轮箱变工况故障检测方法在说明书摘要公布了：一种正常样本聚合对比学习网络的齿轮箱变工况故障检测方法，该方法中，使用振动传感器在转速变化的条件下采集齿轮箱不同健康状态下运行的振动信号，对训练集中的样本连续进行偏移变换与保同变换，生成虚拟正常样本和虚拟异常样本集合；建立深度对比学习网络，根据所生成虚拟样本计算基于常态样本聚集和异常样本分离的对比损失，通过最小化对比损失训练网络；将记忆样本集输入到训练后的网络中，以每一个样本与剩余记忆样本集合的最小余弦距离作为异常分数，确定检测阈值；最后计算测试样本的异常分数，根据阈值判断齿轮箱的健康状态。本发明实现变工况齿轮箱的故障检测。

本发明授权正常样本聚合对比学习网络的齿轮箱变工况故障检测方法在权利要求书中公布了：1.一种正常样本聚合对比学习网络的齿轮箱变工况故障检测方法，其特征在于，包括如下步骤： a.使用振动传感器在转速变化的条件下采集齿轮箱不同健康状态下运行的振动信号，对其时序分割为固定长度的样本并进行归一化处理，分别构建训练样本集、记忆样本集和测试样本集； b.对训练样本集中的样本连续进行偏移变换与保同变换，生成虚拟正常样本集合和虚拟异常样本集合； c.建立深度对比学习网络，深度对比学习网络包括编码器、线性层和归一化层，其中，编码器选择为一维ResNet18,线性层和归一化层将编码器输出映射到128维的隐层超球空间,激活函数设置为ReLU函数，将所述虚拟正常样本集合和虚拟异常样本集合输入深度对比学习网络后，获得维度为128的隐层特征，基于隐层特征计算基于常态样本聚集和异常样本分离的对比损失，应用梯度下降法训练深度对比学习网络，迭代训练100个循环后损失收敛，保存模型参数； d.将记忆样本集中的样本输入到训练后的深度对比学习网络中，计算每一个记忆样本与剩余记忆样本集合的最小余弦距离作为记忆样本异常分数，进而确定检测阈值； e.将测试样本集中的样本输入到训练后的深度对比学习网络中，计算测试样本集的测试样本与记忆样本集的全部记忆样本的最小余弦距离作为测试样本异常分数，根据测试样本异常分数与检测阈值的大小比较判断故障是否存在； 其中，步骤b中，偏移变换通过随机打乱和重组信号的排列顺利实现，首先将原始信号x均匀地划分为N段，将各段的排列顺序打乱并重组，形成偏移变换后的信号，其中； 步骤b中，保同变换分别对原始信号和偏移变换后的信号执行两次，原始信号将生成一对虚拟正常样本集合，偏移变换后的信号生成一对虚拟异常样本集合。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。