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！

龙图腾网获悉华中科技大学申请的专利一种基于多尺度特征融合和增量学习的时频图故障诊断方法与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：CN119622470B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411704639.8，技术领域涉及：G06F18/241；该发明授权一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备是由沈卫明;员涵方设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备在说明书摘要公布了：本发明属于设备零部件故障诊断相关技术领域，其公开了一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备，步骤为：1采用旧类别数据作为训练数据，对初始神经网络进行训练以得到能够对旧类别数据对应的故障进行分类的模型ModelZ；2将新类别数据分为预定批次，进而基于增量学习对模型ModelZ进行训练以得到能够对新类别数据识别的模型ModelXk及能够对新类别数据及旧类别数据对应的故障进行分类诊断的模型ModelYk3将待测设备的实时时域信号转换成二维时频图像后输入到模型ModelXk，以得到当前的旧类别数据及新类别数据，进而模型ModelYk实现故障类别分类。本发明提供了效率及准确性。

本发明授权一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备在权利要求书中公布了：1.一种基于多尺度特征融合和增量学习的时频图故障诊断方法，其特征在于，该方法包括以下步骤： 步骤一，将待测设备不同故障类型的时域信号分为多个窗口，并对每个窗口进行连续小波变换以得到每个窗口内的频谱，进而将得到的所有频谱进行组合以得到二维时频图像，生成时频图数据集；将所述时频图数据集内的数据划分为旧类别数据及新类别数据； 步骤二，采用旧类别数据作为训练数据，在以Transformer作为网络结构的初始神经网络Model上进行训练以得到能够对旧类别数据对应的故障进行分类的模型ModelZ； 步骤三，将所述新类别数据分为预定批次，进而基于增量学习对模型ModelZ进行训练以得到能够对新类别数据识别的模型ModelXk及能够对新类别数据及旧类别数据对应的故障进行分类诊断的模型ModelYk； 步骤四，将待测设备的实时时域信号转换成二维时频图像后输入到模型ModelXk，以得到当前的旧类别数据及新类别数据，进而将当前的旧类别数据及新类别数据输入到模型ModelYk，所述模型ModelYk实现故障类别分类；其中，模型ModelYk进行故障类别分类时，依据ModelYk接收到的数据类别来动态调整模型ModelYk的全连接层权重。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。