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！

龙图腾网获悉华东交通大学;浙江大学;江西铜业股份有限公司申请的专利一种空间层级语义构建与设备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：CN120030322B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510032235.7，技术领域涉及：G06F18/213；该发明授权一种空间层级语义构建与设备故障诊断方法是由赵春晖;谭林丰;杨田青;胡意文;蒋昌波设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种空间层级语义构建与设备故障诊断方法在说明书摘要公布了：本申请公开一种空间层级语义构建与设备故障诊断方法，涉及工业设备故障诊断技术领域，所述方法包括：获取待诊断系统中的各设备的特征；特征为对运行数据和环境数据进行特征提取后的向量；将待诊断系统中的各设备的特征输入至故障诊断模型中，得到待诊断系统中的故障类别的预测值；故障诊断模型是基于故障已见类别数据集、故障已见类别空间层级语义集、样本特征生成模型和多层感知器确定的；标签为故障类别的实际值，空间层级语义为故障的描述属性值构成的向量，空间层级语义包括k层语义。本申请提高了设备故障诊断的准确度。

本发明授权一种空间层级语义构建与设备故障诊断方法在权利要求书中公布了：1.一种空间层级语义构建与设备故障诊断方法，其特征在于，所述空间层级语义构建与设备故障诊断方法包括： 获取待诊断系统中的各设备的特征；所述特征为对运行数据和环境数据进行特征提取后的向量； 将待诊断系统中的各设备的特征输入至故障诊断模型中，得到所述待诊断系统中的故障类别的预测值；所述故障诊断模型是基于故障已见类别数据集、故障已见类别空间层级语义集、样本特征生成模型和多层感知器确定的；所述故障已见类别数据集包括：多个已见类别故障的原始样本特征和标签，所述故障已见类别空间层级语义集包括：故障已见类别数据集中的多个已见类别故障的空间层级语义；所述标签为故障类别的实际值，所述空间层级语义包括k层语义，k1； 所述空间层级语义是依据工业场景中故障所处的系统、设备、部件以及故障属性信息自顶向下的描述属性值构成的向量，故障已见类别空间层级语义集ATTRs表示为： 其中，表示故障已见类别空间层级语义集中的第i个已见类别故障的空间层级语义，R表示实数，表示故障已见类别空间层级语义集中的第i个已见类别故障的已见类别故障的数量，表示故障已见类别空间层级语义集中的第i个已见类别故障的空间层级语义的维度；表示故障已见类别空间层级语义集中的第i个已见类别故障的空间层级语义的第j层语义，j＝1,2,…,k； 所述样本特征生成模型包括：条件变分自编码器模块、条件生成对抗网络模块和层级语义信息对齐模块； 所述条件变分自编码器模块包括：编码器和解码器；所述编码器采用多层感知器实现，所述解码器由k层全连接网络和激活函数组成的多层感知器组成； 所述条件生成对抗网络模块包括：生成器和判别器；所述生成器复用所述条件变分自编码器模块的解码器，所述判别器采用多层感知器实现； 所述层级语义信息对齐模块包括：k层语义信息对齐层； 其中，将解码器生成的生成样本特征和已见类别故障的空间层级语义输入至层级语义信息对齐模块，经过嵌入得到在对齐空间的嵌入向量； 对样本特征生成模型进行训练时的总损失函数为： Ltotal＝Lvae+αLwgan+βLalign； 其中，Ltotal表示总损失值；Lvae表示条件变分自编码器模块的损失值；α表示条件生成对抗网络模块的损失权重；Lwgan表示条件生成对抗网络模块的损失值；β表示层级语义信息对齐模块的损失权重；Lalign表示层级语义信息对齐模块的损失值；n表示故障已见类别训练数据集中的已见类别故障的总数；表示将第i个已见类别故障对应的生成样本特征输入至层级语义信息对齐模块，层级语义信息对齐模块输出的第j层嵌入向量；表示将第i个已见类别故障对应的空间层级语义输入至层级语义信息对齐模块，层级语义信息对齐模块输出的第j层嵌入向量；表示和之间的欧氏距离。

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华东交通大学;浙江大学;江西铜业股份有限公司，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。