Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 五邑大学杨笑悦获国家专利权

五邑大学杨笑悦获国家专利权

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!

龙图腾网获悉五邑大学申请的专利基于多分辨率扩散模型的零样本故障在线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:CN119861682B

龙图腾网通过国家知识产权局官网在2025-10-31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:202411817711.8,技术领域涉及:G05B23/02;该发明授权基于多分辨率扩散模型的零样本故障在线诊断方法是由杨笑悦;林永健;靳文璇;黄辉设计研发完成,并于2024-12-11向国家知识产权局提交的专利申请。

基于多分辨率扩散模型的零样本故障在线诊断方法在说明书摘要公布了:本发明实施例提供了一种基于多分辨率扩散模型的零样本故障在线诊断方法。首先,将牵引传动控制仿真平台采集的数据构建源域数据集US,列车实际运行时采集的数据构建目标域数据集UT。源域和目标域的故障类别集合互不交叉,通过多分辨率扩散模型对数据进行处理,实现异常值去除、缺失数据填补以及标准化处理。构建类别‑属性描述矩阵A',并通过深度增量监督主成分分析提取源域数据的故障特征fis,特征Bs与属性描述ai之间的映射关系。在线获取目标域数据Dt后,更新故障类别的属性描述,构建新的稀疏矩阵A*,并微调模型参数。最终,通过贝叶斯推理对目标域的零样本数据进行实时故障诊断,依据最大后验概率推断最优匹配的故障类别,实现对目标域数据的精确诊断与预测。

本发明授权基于多分辨率扩散模型的零样本故障在线诊断方法在权利要求书中公布了:1.一种基于多分辨率扩散模型的零样本故障在线诊断方法,其特征在于,包括以下步骤: S1、将牵引传动控制仿真平台采集的数据定义为源域数据,将列车实际运行时采集的数据定义为目标域数据;构建源域数据集和目标域数据集:源域数据集,其中,表示源域数据样本空间,表示源域数据样本的故障类别空间,表示源域数据样本的数量;目标域数据集,其中,表示目标域数据样本空间,表示目标域数据样本的故障类别空间,表示目标域数据样本的数量; 分别构建源域和目标域的故障类别集合和,源域的故障类别包括单故障和复合故障,目标域的故障类别包括在不同工况下出现的复合故障,其中,是源域故障类别的数量,是目标域故障类别的数量,总故障类别数为,源域和目标域故障类别集合和彼此不相交,即; S2、建立多分辨率扩散模型,将数据采集获得的源域和目标域的数据输入,得到重构后的数据和; S3、基于源域和目标域的故障类别集合和,总结源域故障样本的属性描述建立类别-属性描述矩阵,并通过独热编码器将矩阵转化为稀疏类别-属性描述矩阵; S4、将的故障类别空间与类别属性描述矩阵进行属性标签关联,获取属性标签,并利用深度增量监督主成分分析DI-SPCA提取源域数据样本的故障特征,构建源域样本的特征矩阵;通过训练学习器模型进行属性学习,其中,,得到源域样本的特征与属性描述之间的映射关系; S5、在线获取运行数据,更新故障类别的属性描述,构建新的稀疏类别-属性描述矩阵;并基于更新后的矩阵对属性学习器进行参数微调; S6、对输入的目标域样本,根据属性学习器的输出,使用贝叶斯推理从属性值推断样本的故障类别,计算各个故障类别的后验概率,选择具有最大后验概率的类别作为最优匹配故障类型。

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五邑大学,其通讯地址为:529000 广东省江门市蓬江区东成村22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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。