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！

龙图腾网获悉南京信息工程大学申请的专利基于深度学习的单源域泛化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：CN120541586B 。

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：202511038606.9，技术领域涉及：G06F18/24；该发明授权基于深度学习的单源域泛化故障诊断方法是由钱巍巍;朱轶杰设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本基于深度学习的单源域泛化故障诊断方法在说明书摘要公布了：本发明公开了基于深度学习的单源域泛化故障诊断方法，属于机械故障诊断领域。该方法包括：通过编码器提取特征，得到类相关特征和类无关特征；将类相关特征和类无关特征经过特征级协混增强模块进行增强；将增强类相关特征和增强类无关特征经过解码器的处理；对训练集中样本进行局部聚类；对诊断模型进行训练，将测试集数据输入至已完成训练的诊断模型中，实现故障的诊断。本发明通过梯度正交和冗余抑制约束编码器，提取类相关特征和类无关特征，并通过特征增强和相似度筛选后，选择合适的增强数据扩充数据集，最后通过局部聚类增强类别之间的区分，训练模型以提升诊断准确率。

本发明授权基于深度学习的单源域泛化故障诊断方法在权利要求书中公布了：1.一种基于深度学习的单源域泛化故障诊断方法，其特征在于，包括以下步骤： 步骤1，从距离滚珠轴承最近的轴承座上采集单源域滚珠轴承振动信号，切分为振动信号样本片段后，进行预处理，对预处理后的振动信号样本片段划分为包含单源域数据的训练集以及包含多源域数据的测试集； 步骤2，将训练集中的数据通过编码器提取特征，并进行约束后，得到类相关特征和类无关特征； 步骤3，将类相关特征和类无关特征经过特征级协混增强模块进行增强，生成增强类相关特征和增强类无关特征； 步骤4，将增强类相关特征和增强类无关特征经过解码器的处理，生成增强信号； 步骤5，计算增强信号与原始滚珠轴承振动信号的余弦相似度，根据余弦相似度筛选增强信号； 步骤6，将原始滚珠轴承振动信号与筛选后的增强信号合并构建联合数据空间，在联合数据空间对样本进行局部聚类； 步骤7，将聚类后的联合数据输入至分类器中得到故障类型，并计算总损失值，反向更新诊断模型的参数，得到训练好的诊断模型；将测试集数据输入至已完成训练的诊断模型中，实现故障的诊断；该诊断模型包括编码器和分类器。

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南京信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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。