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！

龙图腾网获悉大连理工大学申请的专利一种基于半监督学习框架的滚动轴承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：CN116164966B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310267340.X，技术领域涉及：G01M13/04；该发明授权一种基于半监督学习框架的滚动轴承故障诊断方法是由任澳杰;徐方程;秦攀;陈庭瑶设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种基于半监督学习框架的滚动轴承故障诊断方法在说明书摘要公布了：本发明属于滚动轴承故障诊断领域，涉及一种基于半监督学习框架的滚动轴承故障诊断方法。本发明利用滚动轴承的振动信号构成数据集来训练模型，其中仅需极小一部分有标签，整体数据量要求也较低。方法中所述的框架对于无标签数据进行数据增强并构筑伪标签并与有标签数据叠加混合构成新的数据集，再在新的数据集上，以有标签数据和无标签数据损失的加权和为损失函数训练模型，最终利用最佳模型来完成诊断任务；本发明对数据的利用程度高，充分挖掘无标签数据的信息完整诊断，真正做到了仅需利用极少标签来低成本地完成滚动轴承诊断模型的半监督学习，性价比高。

本发明授权一种基于半监督学习框架的滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于半监督学习框架的滚动轴承故障诊断方法，其特征在于，步骤如下： 第一步：振动信号数据获取：获取轴承驱动端所有状态的振动信号作为无标签数据，获取带标签的振动信号作为有标签数据，以获取的无标签数据和有标签数据作为模型的数据集； 第二步：振动信号数据预处理：将一段振动数据划分为样本时，采取一维数据常用的增强滑窗采样法对数据进行预处理； 第三步：将数据送入1DMixMatch半监督学习框架训练得到模型并保存： 改进的1DMixMatch半监督学习框架，包括数据增强、猜测标签、标签处理、MixUp； 3.1数据增强：输入的无标签数据U中的一段样本点u，经过K次随机增强变为新的K段样本点其中，数据经过随机反转环节有一定概率调换前后顺序，即u＝{u1,u2,...,un}经反转后数据经过加高斯噪声环节整段样本点会叠加一段高斯白噪声；数据经过1DCrop环节会被随机裁成两段后调换前后顺序，即输入数据u＝{u1,u2,...,un}，以某数据点um为界，将输入样本截成前后两段uf＝{u1,...,um-1}和ub＝{um,...,un}，而后将其前后调换顺序成为新的样本其中m的选取要满足式1： ρnm1-ρn1 其中，ρ为分段参数； 其中，fs，fi，fo，fb分别为采样频率、轴承内圈故障频率、轴承外圈故障频率和滚动体故障频率；上述频率可由经验公式式4、式5、式6计算得： fi＝0.6*Z*fr4 fo＝0.4*Z*fr5 其中，fr为轴承转频，Z为滚动体个数； 3.2猜测标签：将经过数据增强的K段样本点分别输入分类器得到其猜测标签q01,...,q0K；上述分类器为任意神经网络，其参数与半监督学习框架完成数据处理后以X′和U′为数据集训练所使用网络保持一致；猜测这一系列标签的目的是便于MixUp将有标签数据X和无标签数据U重新组合处理，并为无标签数据找到一个可靠的伪标签提供基础； 3.3标签处理：得到猜测标签q01,...,q0K，其中q0k＝[i1,...,iL],k∈1,K，L为类别数；为了确定无标签数据的伪标签，将猜测标签取平均后得到如式7: 半监督学习框架倾向于作出低熵预测以提供一个类别更为清晰的伪标签，所以利用锐化函数Sharpen来隐式地将完成熵最小化处理得到q，如式8,式9： 其中，L为类别数，i为L个可能的标签中的一个，T为温度参数，当T趋近于0时，q将接近于one-hot分布，所以减小温度T将鼓励模型产生低熵预测； 3.4MixUp：经过上述处理后，得到无标签数据U＝u,q和有标签数据X＝x,p其中x,u为样本点，p为有标签数据的标签，q为无标签数据的伪标签；而后为了充分利用数据，半监督学习框架利用MixUp将有标签数据和无标签数据混合；为了能使数据和标签分别与损失项兼容，这里采用修改过的MixUp版本如式10,式11,式12,式13: λ～Betaα,α10 其中λ是一个服从Beat分布的参数，用于控制混合程度，α是一个超参数，x和p分别代表样本点和标签； 第四步：得到X′和U′并以其构成的新的数据集后，输入神经网络，以有标签数据的交叉熵和无标签数据的L2损失加权和为损失函数L如式14,式15,式16: 其中，pmodely|x；θ表示一个输入x在参数θ下对于类标签y产生的分布，λu是损失函数的权重参数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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。