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！

龙图腾网获悉中国人民解放军火箭军工程大学申请的专利一种基于多模态知识的双原型驱动智能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：CN120408422B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510920085.3，技术领域涉及：G06F18/2431；该发明授权一种基于多模态知识的双原型驱动智能故障诊断方法是由刘延飞;杜子昂;王忠;王兆强;张骞设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于多模态知识的双原型驱动智能故障诊断方法在说明书摘要公布了：本发明提供了一种基于多模态知识的双原型驱动智能故障诊断方法，涉及到网络模型诊断故障的技术领域，通过轴承的历史运行数据构建多模态故障知识图谱，将该多模态故障知识图谱作为知识、数据双驱动元学习网络中的辅助故障知识原型。该元学习网络包括知识特征提取器和数据特征提取器，该元学习网络可以利用数据之外的知识原型去辅助元学习原有的数据原型对新类故障的辨识能力，从而实现从已知故障到未知故障的泛化能力。因此本发明能有效提高轴承智能故障诊断的效率和准确率。

本发明授权一种基于多模态知识的双原型驱动智能故障诊断方法在权利要求书中公布了：1.一种基于多模态知识的双原型驱动智能故障诊断方法，其特征在于，包括： S100，利用轴承的历史运行数据组成数据集，并利用该数据集构建多模态故障知识图谱；其中，所述数据集的标签类别为，个标签类别中包含多个故障类别和1个正常类别； S200，利用知识特征提取器从所述多模态故障知识图谱中提取出知识原型； S300，将所述数据集分为支撑集和查询集，并利用数据特征提取器从所述支撑集中提取出数据原型； S400，将所述知识原型和所述数据原型进行融合得到融合原型，并利用所述融合原型、知识原型和数据原型计算度量学习损失； S500，通过反向传播训练所述知识特征提取器和数据特征提取器直至所述度量学习损失收敛，得到训练好的知识特征提取器和数据特征提取器； S600，接收轴承的当前运行数据，并将其分别输入至训练好的知识特征提取器和数据特征提取器中从而得到当前融合原型；利用当前融合原型确定轴承的故障类别； S100包括： S110，采集轴承的历史运行数据并组成数据集，所述数据集中包括记载故障信息的多条数据；所述故障信息包括故障深度、负载类型、故障类型、故障位置和转速； S120，将每条数据赋予标签，并将每个标签作为一个节点以及将故障信息作为节点的属性数据； S130，将相同负载、相同转速、相同故障位置、相同故障深度和相同故障类型作为节点之间的连接关系，从而构建无向图； S140，利用文本对每条数据中的故障信息进行描述得到故障文本，并将所述故障文本与所述属性数据对应，从而得到多模态故障知识图谱； S300包括： S310，将所述数据集中前个故障类别并加上1个正常类别的运行数据作为基类； S320，将所述数据集中后个故障类别的运行数据作为新类； S330，将所述基类按照预定比例划分为训练集和测试集； S340，将所述训练集划分为元学习的第一支撑集和第一查询集以及将所述测试集划分为元学习的第二支撑集和第二查询集； S350，将新类的轴承运行数据划分至所述第二查询集中； S360，将所述第一支撑集输入至数据特征提取器中得到数据原型以及将所述第一查询集输入至数据特征提取器中得到第一查询集特征； S400包括： S410，将所述知识原型和所述数据原型利用融合公式进行融合得到融合原型；所述融合公式表示为： ； 式中，表示融合原型，表示数据原型，表示可学习的交互项系数，表示知识原型，表示门控矩阵，表示将和进行拼接，表示哈达玛积； S420，利用所述融合原型、所述第一查询集特征、所述数据原型和所述知识原型计算度量学习损失。

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中国人民解放军火箭军工程大学，其通讯地址为：710025 陕西省西安市灞桥区同心路2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。