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！

龙图腾网获悉江南大学申请的专利一种滚动轴承故障诊断方法和系统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：CN120873874B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511387449.2，技术领域涉及：G06F18/2431；该发明授权一种滚动轴承故障诊断方法和系统是由李可;宿磊;赵新维;王文祥;顾杰斐;童彤设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种滚动轴承故障诊断方法和系统在说明书摘要公布了：本发明涉及一种滚动轴承故障诊断方法和系统，属于轴承故障诊断技术领域，其中，方法包括：构建诊断网络，所述诊断网络包括依次连接的特征提取器、分类器；将源域样本与目标域样本并行输入至所述特征提取器，以提取源域特征和目标域特征；通过所述源域特征和目标域特征来优化源域样本的权重，使与目标域样本类别相同的源域样本获得更高权重；基于优化后源域样本的权重计算源域的交叉熵损失，同时结合目标域条件熵损失构建总损失函数，通过总损失函数来训练特征提取器和分类器，得到训练收敛的诊断网络；通过所述训练收敛的诊断网络对待诊断的无标签真实样本进行故障诊断。本发明能够对滚动轴承的故障类型进行有效检测，检测精度较高。

本发明授权一种滚动轴承故障诊断方法和系统在权利要求书中公布了：1.一种滚动轴承故障诊断方法，其特征在于：包括： 步骤S1：构建诊断网络，所述诊断网络包括依次连接的特征提取器、分类器； 步骤S2：将源域样本与目标域样本并行输入至所述特征提取器，以提取源域特征和目标域特征，其中，通过动力学仿真生成滚动轴承带标签的仿真数据作为源域样本，采集工业现场滚动轴承的无标签且类别不全的真实数据作为目标域样本； 所述步骤S2中的特征提取器采用卷积模块与自适应频谱调制模块交错的深度架构，包括依次连接的第一卷积模块、第一自适应频谱调制模块、第二卷积模块、第二自适应频谱调制模块、第三卷积模块和全连接层； 所述步骤S2将源域样本与目标域样本并行输入至所述特征提取器，以提取源域特征和目标域特征的方法包括： 特征提取器中的第一卷积模块、第二卷积模块、第三卷积模块均用于提取数据的初步特征，均包括依次连接的卷积层、批归一化层和激活函数ReLU； 特征提取器中的第一、第二自适应频谱调制模块将来自卷积模块的初步特征表示作为输入，通过傅里叶变换将特征映射至频域空间，表示为： ； 其中，为经过傅里叶变换的特征，为批次大小，为通道数，为时域长度，为傅里叶变换； 对进行分离得到幅度谱和相位谱，表示为： ； 其中，为对取模，得到其幅度谱；为对取相角，得到其相位谱； 通过深度可分离卷积对幅度谱进行局部频域特征提取，表示为： ； 其中，为局部频域特征，为深度可分离卷积； 将输入至特征提取网络，所述特征提取网络包括两条并行路径，分别用于提取均值统计特征和峰值响应特征，并将均值统计特征和峰值响应特征在通道维度上进行拼接，得到融合特征，表示为： ； ； ； 其中，为均值统计特征，为全局平均池化，为峰值响应特征，为全局最大池化，表示在通道维度的拼接操作，为融合特征； 基于融合特征生成自适应频域调制器，表示为： ； 其中，为自适应频域调制器，为Sigmoid激活函数，确保调制权重归一化至[0,1]区间；是一个的点积卷积层； 利用生成的自适应频域调制器对幅度谱进行逐元素乘积操作，表示为： ； 其中，为调制后的频谱，表示逐元素相乘运算； 将调制后的频谱与相位谱重新组合成复数频谱，通过快速逆傅里叶变换将复数频谱变换回时域空间，表示为： ； 其中，为重构的时域信号，为逆傅里叶变换； 将和进行残差连接，表示为： ； 其中，为自适应频谱调制模块输出的关于源域或目标域的特征； 步骤S3：通过所述源域特征和目标域特征来优化源域样本的权重，使与目标域样本类别相同的源域样本获得更高权重； 所述步骤S3通过所述源域特征和目标域特征来优化源域样本的权重的方法包括： 将所述源域特征和目标域特征输入基于对抗性博弈的语义对齐模块，来优化源域样本中仿真数据的权重，其中，所述基于抗性博弈的语义对齐模块基于Wasserstein距离的对抗博弈，来优化源域样本的权重向量集ω，其中，所述抗性博弈的语义对齐模块公式为： ； 其中，ns和nt分别为源域和目标域样本总数，为判别器的参数，和为经过特征提取器提取的第个源域、第个目标域样本的特征，是源域样本的权重向量集ω的可行域，为源域样本的权重向量集ω中第个样本对应的权重； 对于所述抗性博弈的语义对齐模块公式，在固定当前源域样本权重的前提下，进行判别器的参数更新，判别器被训练来最大化源域和目标域特征输出之间的差异，表示为： ； 其中，为梯度惩罚项，用于将判别器满足Lipschitz约束；δ为梯度惩罚的权重系数； 对于所述抗性博弈的语义对齐模块公式，在固定判别器的参数的前提下，对权重向量集ω的进行优化求解，公式为： ； 其中，是判别器计算出的源域样本得分向量；ns为所有源域样本权重的总合；ρ为调整参数； 步骤S4：基于优化后源域样本的权重计算源域的交叉熵损失，同时结合目标域条件熵损失构建总损失函数，通过总损失函数来训练特征提取器和分类器，得到训练收敛的诊断网络； 步骤S5：通过所述训练收敛的诊断网络对待诊断的无标签真实样本进行故障诊断。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。