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！

龙图腾网获悉河北大学申请的专利基于扩散模型的多源域滚动轴承故障诊断方法和系统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：CN119577323B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411449832.1，技术领域涉及：G06F18/10；该发明授权基于扩散模型的多源域滚动轴承故障诊断方法和系统是由孙振铎;樊志攀;庞彬设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本基于扩散模型的多源域滚动轴承故障诊断方法和系统在说明书摘要公布了：本发明公开了一种基于扩散模型的多源域滚动轴承故障诊断方法和系统，诊断方法包括：采集不同转速工况下的滚动轴承振动信号；在扩散模型前向过程中，将源域标签转换为一维向量，并加噪破坏原始分布得到近似高斯分布的yT；在逆向过程中用高斯分布的变量代替yT，通过噪声预测网络去学习前向分布中添加的噪声分布特征，对逐步去噪，得到和y0同分布的将源域数据输入到噪声预测网络中提取数据特征，将目标域数据输入到噪声预测网络中，得到目标域数据对应的全局噪声先验和局部噪声先验；将源域数据和目标域数据输入到噪声预测网络中，使用多源域适应算法将源域数据特征映射到目标域，学习到和目标域数据相关的噪声分布特征，对逐步去噪，得到目标域数据的故障类型。

本发明授权基于扩散模型的多源域滚动轴承故障诊断方法和系统在权利要求书中公布了：1.一种基于扩散模型的多源域滚动轴承故障诊断方法，其特征在于，包括如下步骤： S10、数据采集：采集不同转速工况下的滚动轴承振动信号，将某一种无标签的转速工况数据作为目标域数据，其他转速工况故障数据作为源域数据； S20、构建扩散模型框架：包括向前过程和逆向过程，在扩散模型前向过程中，将源域标签转换为一维向量y0，对噪声预测网络进行预训练，得到全局噪声先验和局部噪声先验对y0加噪T次破坏y0原始分布，直到得到近似高斯分布的变量yT；在逆向过程中用高斯分布的变量代替yT，并通过噪声预测网络去学习前向分布中添加的噪声分布特征，对逐步去噪，最终得到和y0同分布的其中，所述噪声预测网络包括特征提取网络、条件引导网络和U-Net网络，特征提取网络配置为基于Ghost卷积网络提取数据特征；所述条件引导网络配置为提取噪声先验；所述U-Net网络配置为融合所述数据特征和所述噪声先验；所述特征提取网络包括：依次串接的第一卷积层、第一BN层、第一ReLu层、Ghost层和全连接层，其中，所述Ghost层包括多个，且依次串接在所述第一ReLu层和全连接层之间，所述第一卷积层配置为对输入数据进行卷积运算，所述第一BN层和所述第一ReLu配置为加快模型的收敛速度，增加模型的泛化性；多个所述Ghost层配置为在充分提取数据特征的同时减少模型的参数；所述全连接层配置为将输出的特征的维度调整到1024；所述条件引导网络包括：ResNet18网络和CNN+Transform多特征融合网络，所述ResNet18网络配置为提取故障信号的全局特征，输出噪声先验所述CNN+Transform多特征融合网络配置为通过学习不同尺度的故障数据特征，将不同尺度卷积运算之后结果在通道尺度上进行拼接之后输入到Transformer之中学习不同尺度特征之间的关系，最终输出噪声先验 S30、将源域数据输入到噪声预测网络中充分提取数据特征，将目标域数据输入到噪声预测网络中，使用多源域适应算法将源域特征映射到目标域，得到目标域数据对应的全局噪声先验和局部噪声先验 S40、将源域数据和目标域数据输入到噪声预测网络中，并使用多源域适应算法将噪声预测网络特征映射到目标域，噪声预测网络融合特征迁移之后的故障数据特征，学习到和目标域数据相关的噪声特征； S50、将学习到的目标域相关的高斯噪声和迁移之后的噪声先验带入到步骤S20中的逆向过程，对高斯分布的随机变量逐步去噪，预测目标域的故障数据类型。

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河北大学，其通讯地址为：071002 河北省保定市莲池区五四东路180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。