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！

龙图腾网获悉中国科学院上海高等研究院;中国科学院大学申请的专利基于部分域适应的故障诊断方法和装置、存储介质和终端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：CN114743044B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210275089.7，技术领域涉及：G06V10/764；该发明授权基于部分域适应的故障诊断方法和装置、存储介质和终端是由王煜;宁德军设计研发完成，并于2022-03-21向国家知识产权局提交的专利申请。

本基于部分域适应的故障诊断方法和装置、存储介质和终端在说明书摘要公布了：本发明公开了一种部分域适应的故障诊断方法及装置、存储介质和终端，其中方法包括基于实训特征提取器对待检测数据进行特征提取，以获取待检测数据的多尺度特征图数据；将待检测数据的多尺度特征图数据分别输入到实训故障分类器组中的每个故障分类器中，以获取每个故障分类器输出的故障概率结果；求取所有故障概率结果中所有故障类型的概率平均值，并基于所有故障类型的概率平均值确定待检测数据的故障诊断结果。本发明方法通过对待训练数据组源域数据子集合中的待训练数据进行加权，以实现部分域空间对齐的效果；并通过多个故障分类器及故障分类器中故障胶囊层的引入，加强故障诊断的泛化性，从而提升待检测数据机械故障诊断的准确率。

本发明授权基于部分域适应的故障诊断方法和装置、存储介质和终端在权利要求书中公布了：1.一种部分域适应的故障诊断方法，包括： 基于实训特征提取器对待检测数据进行特征提取，以获取所述待检测数据的多尺度特征图数据； 将所述待检测数据的多尺度特征图数据分别输入到实训故障分类器组中的每个故障分类器中，以获取每个所述故障分类器输出的故障概率结果； 求取所有所述故障概率结果中每种故障类型的概率平均值，并基于所有故障类型的概率平均值确定所述待检测数据的故障诊断结果； 其中，实训故障分类器组的获取方式，包括： 对待训练数据集合内的所有待训练数据进行分组，以获取多组待训练数据组，每个所述待训练数据组中的待训练数据均被划分为源域数据子集合和目标域数据子集合； 基于所述待训练数据集合训练当前基础故障诊断模型，以获得实训故障诊断模型；将所述实训故障诊断模型中的故障分类器组作为实训故障分类器组，包括： 将所述待训练数据集合中的第M组待训练数据组作为待输入训练数据组；其中，M的初始值为1，且当M为1时，当前临时故障诊断模型为基础故障诊断模型； 对待输入训练数据组中的所有待训练数据进行特征提取，以获取所述待输入训练数据组中每个所述待训练数据的多尺度特征图数据； 将所述待输入训练数据组中所有所述待训练数据的多尺度特征图数据分别输入到所述临时故障诊断模型中的域判别器中，以获取所述待输入训练数据组中所有所述待训练数据的所属域概率；基于所述待输入训练数据组中每个待训练数据的所属域概率及其真实所属域，计算所述待输入训练数据组中每个待训练数据的域判别器损失，以及所述待输入训练数据组的平均域判别器损失； 基于所述待输入训练数据组源域数据子集合中每个待训练数据的域判别器损失，计算所述待输入训练数据组源域数据子集合中每个待训练数据的权重，以基于每个待训练数据的权重计算所述待输入训练数据组的平均源域离群值损失； 将所述待输入训练数据组中所有所述待训练数据的多尺度特征图数据分别输入至故障分类器组的每个故障分类器中，以获取所述待输入训练数据组中每个所述待训练数据的故障概率结果组； 基于所述待输入训练数据组源域数据子集合中每个所述待训练数据的故障概率结果组，获取所述待输入训练数据组的平均源域分类器损失，并基于所述待输入训练数据组目标域数据子集合中每个所述待训练数据的故障概率结果组，获取所述待输入训练数据组的平均目标域分类器差异损失； 基于所述待输入训练数据组的平均域判别器损失、平均源域离群值损失、平均源域分类器损失和平均目标域分类器差异损失，计算故障诊断模型中所有基础参数的梯度，并基于所有基础参数的梯度对模型的所有基础参数进行调整。

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科学院上海高等研究院;中国科学院大学，其通讯地址为：201210 上海市浦东新区海科路99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。