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！

龙图腾网获悉哈尔滨工业大学(威海)申请的专利一种基于深度孪生自注意力网络的航空发动机小样本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：CN115545092B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202211057935.4，技术领域涉及：G06F18/23213；该发明授权一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法是由钟诗胜;赵明航;刘丹;林琳;付旭云;刘雪云设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法在说明书摘要公布了：本申请提供了一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法，采用时间序列聚类和孪生神经网络相结合，实现航空发动机小样本故障的诊断。本申请通过学习一种相似性度量来解决小样本条件下多标签分类问题，有效地提高小样本条件下多故障分类的准确率，有效地缓解深度神经网络的过拟合问题；使用SANet作为孪生神经网络的特征提取模块，以期学到更丰富的时序特征，进而提高不同类型样本在映射空间中的可分性；SANet可以同时提取时间序列的短期依赖和长期依赖，并在提取长期依赖方面优于RNN模型；有效地缓解样本不均衡所带来的训练问题，对故障样本的诊断效果更佳。

本发明授权一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法在权利要求书中公布了：1.一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法，其特征在于：采用时间序列聚类和孪生神经网络相结合，实现航空发动机小样本故障的诊断； 包括训练阶段，训练阶段包括以下步骤： 步骤一：采集航空发动机状态监测数据并处理，将采集的数据分为：正常样本、EIF样本、TSIF样本，执行步骤二； 步骤二，采用K-Means方法对正常样本进行聚类，得到正常样本聚类中心的集合，执行步骤三； 步骤三，将正常样本聚类中心的集合，以及EIF样本的集合和TSIF样本的集合进行配对，构造用于训练DSSAN的样本对集合，执行步骤四； 步骤四：训练DSSAN模型1个Epoch； 特征提取模块将样本对映射到相同的特征空间之中，进而生成各自的嵌入式表示，相似度计算模块计算嵌入式表示之间的距离，根据对比损失函数，优化DSSAN模型，执行步骤五； 步骤五：若训练精度=100%或者Epoch＞20，执行步骤六，否则，执行步骤四； 步骤六：使用训练完成的模型进行航空发动机的故障诊断； 还包括测试阶段； 测试阶段：对于任意的测试样本，将其与集合中元素一一配对，并计算配对样本的欧氏距离，然后找到中与距离最相近的元素，最后判定与属于同一类型； 步骤四中，DSSAN模型包括特征提取模块和相似度计算模块，特征提取模块包括两个SANet； 特征提取模块由两个结构相同且权重共享的SANet拼接而成，并以样本对的形式为输入，学习一种映射，将样本对映射到相同的特征空间之中，进而生成各自的嵌入式表示。

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哈尔滨工业大学(威海)，其通讯地址为：264209 山东省威海市文化西路2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。