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！

龙图腾网获悉中国矿业大学申请的专利一种基于条件解耦表示增强网络的旋转机械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：CN119622615B 。

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：202411691191.0，技术领域涉及：G06F18/2451；该发明授权一种基于条件解耦表示增强网络的旋转机械故障诊断方法是由李鑫;李淑华;陈浩;邹筱瑜;司垒;魏东;戴剑博;顾进恒;王忠宾设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于条件解耦表示增强网络的旋转机械故障诊断方法在说明书摘要公布了：本发明公开了一种基于条件解耦表示增强网络的旋转机械故障诊断方法，针对旋转机械数据类别不平衡和跨域故障诊断的场景，对采集到的旋转机械振动信号，利用深度卷积特征提取器捕捉来自已知源域和未知目标域的故障特征；通过解耦表示增强模块生成高质量类语义信息对高维特征空间中的少数类特征进行增强，从而平衡类间数据分布，减轻不同类别样本数量差异的影响，随后，通过条件判别对比损失提高对少数类的关注度，并加强同类跨域的类内特征紧致度；最终形成所需的不平衡域泛化机械故障诊断模型。该方法不仅可以克服类不平衡的影响，还可以提高对未知目标域的泛化能力以及鲁棒性，有效提高对旋转机械故障诊断的精确性。

本发明授权一种基于条件解耦表示增强网络的旋转机械故障诊断方法在权利要求书中公布了：1.一种基于条件解耦表示增强网络的旋转机械故障诊断方法，其特征在于，具体步骤为： 步骤一、对同一类旋转机械设备，分别采集不同工况条件下各个设备正常状态及故障状态的振动监测数据，并根据故障类型为数据打好标签，得到针对不同工况的机械数据集； 步骤二、从步骤一的机械数据集中选取部分工况下的数据集作为多源域数据集，对多源域数据集中每种源域数据集均设置类别分布不平衡，即健康类的样本数量远大于故障类的样本数量； 步骤三、将步骤二处理后的多源域数据集划分为训练集和验证集，并将步骤一剩余工况下的数据集作为目标域数据集； 步骤四、构建不平衡域泛化机械故障诊断模型，并使用步骤三的训练集对模型进行训练，具体为：建立条件解耦表示增强网络，其包括一个深层卷积特征提取器、线性分类器、多源域交叉熵损失LCE、增强交叉熵损失L`CE、解耦表示增强模块以及条件判别对比损失LCD；条件解耦表示增强网络训练阶段分为两部分，首先是预热阶段：训练集进入深度卷积特征提取器得到高维潜特征；然后将高维潜特征输入线性分类器得到预测得分，并计算多源域交叉熵损失LCE，同时对高维潜特征进行条件判别对比损失LCD计算；正式阶段：将高维潜特征输入解耦表示增强模块，根据多数类和少数类的数量差异生成一定量的少数类特征，将增强的少数类特征输入线性分类器，计算增强交叉熵损失L`CE，增强特征保留计算图；并对每个损失进行梯度计算，从而训练形成不平衡域泛化机械故障诊断模型； 步骤五、使用步骤三的验证集对训练后的不平衡域泛化机械故障诊断模型进行优化； 步骤六、将步骤三的目标域数据集输入到步骤五优化后的不平衡域泛化机械故障诊断模型中进行测试，不平衡域泛化机械故障诊断模型对目标域数据集中各个数据进行故障诊断，并与实际情况进行比对确定其故障诊断精度，若达到所需精度，则用于对同一类旋转机械设备进行故障诊断；否则重复步骤四和五对模型继续进行训练及优化，直至训练及优化后的模型达到所需精度。

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矿业大学，其通讯地址为：221000 江苏省徐州市大学路1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。