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！

龙图腾网获悉合肥工业大学申请的专利基于小样本学习的故障诊断模型、方法、系统、装置和可读介质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：CN119475141B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411002267.4，技术领域涉及：G06F18/2433；该发明授权基于小样本学习的故障诊断模型、方法、系统、装置和可读介质是由魏振春;余官权;吕增威;向念文;陈志伟;徐娟;王超群;王书来;石雷设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本基于小样本学习的故障诊断模型、方法、系统、装置和可读介质在说明书摘要公布了：本发明涉及故障诊断技术领域，尤其是一种基于小样本学习的故障诊断模型、方法、系统、装置和可读介质。本发明提出的基于小样本学习的故障诊断模型的构建方法，首先在目标运动部件上采集振动信号数据，将振动信号数据转换为特征图像，以构建存储有标注故障类别的特征图像的数据集；然后令构建的故障诊断模型在数据集上进行机器学习；故障诊断模型包括特征提取模块和归类模块，特征提取模块基于残差元素乘法网络学习特征图像的深度局部描述符以输出局部特征，归类模块基于特征提取模块的输出采用邻近分类算法查询特征图像与各故障类别的相似性。本发明所提方法可显著提升故障诊断效果，并改善小样本下训练样本不平衡时诊断结果的准确率。

本发明授权基于小样本学习的故障诊断模型、方法、系统、装置和可读介质在权利要求书中公布了：1.一种基于小样本学习的故障诊断模型的构建方法，其特征在于，首先在目标运动部件上采集振动信号数据，将振动信号数据转换为特征图像，以构建存储有标注故障类别的特征图像的数据集；然后令构建的故障诊断模型在数据集上进行机器学习； 故障诊断模型包括特征提取模块和归类模块，特征提取模块基于残差元素乘法网络学习特征图像的深度局部描述符以输出局部特征，归类模块基于特征提取模块的输出采用邻近分类算法查询特征图像与各故障类别的相似性； 特征提取模块包括顺序连接多个残差块；残差块包括：第一激活函数、批量归一化层、卷积层、第一全连接层、第二全连接层、第三全连接层、维度叠加单元和第二激活函数；第一激活函数、批量归一化层和卷积层顺序连接，第一全连接层的输入和第二全连接层的输入均连接卷积层的输出，第一全连接层的输出和第二全连接层的输出均连接第三全连接层的输入；维度叠加单元的输入分别连接故障诊断模型的输入和第三全连接层的输出，维度叠加单元的输出连接第二激活函数的输入，维度叠加单元对故障诊断模型输入的特征图像和第三全连接层的输出数据进行维度叠加后送入第二激活函数进行激活，第二激活函数的输出即为残差块的输出； 归类模块将特征提取模块输出的局部特征嵌入向量空间，并在向量空间下计算各特征图像的相似度，归类模块结合相似度从各故障类别中寻找作为待检测样本的特征图像的k个近邻，根据近邻相似度计算待检测样本归属于各故障类别的概率，k为设定值； 待检测样本归属于第i个类别的概率pi的计算公式如下： 其中，M为嵌入向量空间的维度，xm表示待检测样本经特征提取模块处理后的局部特征ψX的第m个数组，1≤m≤M；表示第i个类别中第j个样本经特征提取模块处理后的局部特征的第m个数组，上标T表示转置；||.||表示二范数； 故障诊断模型迭代过程中，损失函数Loss根据以下公式计算： 其中，yi为真实类别标签概率分布经过平滑处理后的参数，ε为设定的平滑参数，ε在0到1之间取值；n为故障类别数量；pi为故障类别诊断模型预测的验证样本属于第i个故障类别的概率。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。