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！

龙图腾网获悉西安电子科技大学申请的专利基于多源域类分离对抗网络的变工况机械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：CN115759352B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211321649.4，技术领域涉及：G06Q10/04；该发明授权基于多源域类分离对抗网络的变工况机械故障诊断方法是由孔宪光;杨胜康;王奇斌;徐名亮;崔雁鹏;刘妮设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本基于多源域类分离对抗网络的变工况机械故障诊断方法在说明书摘要公布了：本发明涉及机械参数模式识别方法，具体涉及一种基于多源域类分离对抗网络的变工况机械故障诊断方法，用于解决目前针对变工况的故障诊断问题提出的域对抗故障诊断技术尽管可以对齐源域和目标同工况下故障特征分布，但主要是从全局的角度出发进行全局分布的对齐，不能保证全局域对齐的同时域内类别分布的对齐，造成在最终的故障诊断分类中会出现域内故障类别混淆的现象发生，进而导致模型的诊断精度降低的不足之处。该基于多源域类分离对抗网络的变工况机械故障诊断方法构建了一种多源域类分离对抗网络，用于实现各多源域迁移故障诊断任务的故障诊断，该网络能够实现跨域后每个域中子类的细粒度对齐，有效地学习多个域的故障诊断知识。

本发明授权基于多源域类分离对抗网络的变工况机械故障诊断方法在权利要求书中公布了：1.基于多源域类分离对抗网络的变工况机械故障诊断方法，其特征在于，包括步骤如下： 步骤1、设置多源域迁移故障诊断任务； 步骤1.1、采集M种工况下轴承的振动频域信号作为样本，每种工况所有样本的故障类型分为N种；M≥3，N≥12； 步骤1.2、设置M种多源域迁移故障诊断任务； 每个多源域迁移故障诊断任务将M种工况其中一种工况的样本作为目标域样本集DT，剩余M-1种工况的样本作为源域样本集k为源域样本集序数，k＝1,……M-1；目标域样本集DT的所有样本未标记故障类型，源域样本集的所有样本标记有故障类型，且故障类型分为N种；不同多源域迁移故障诊断任务的目标域样本集DT不同；每个多源域迁移故障诊断任务将源域样本集的所有样本、目标域样本集DT的部分样本作为训练集，将目标域样本集DT的剩余样本作为测试集； 步骤2、对步骤1所设置的各多源域迁移故障诊断任务，依次执行步骤2.1至2.6，获取对各多源域迁移故障诊断任务的故障诊断结果； 步骤2.1、构建一个由四个结构相同的子模块堆叠连接的16层的卷积神经网络作为特征提取器Gf，其中每个子模块的结构均由卷积层、批量归一化层、非线性激活函数层、池化层组成，并将训练集输入特征提取器Gf，提取深度特征F； 步骤2.2、构建一个由2层的全连接网络和Softmax激活函数层作为故障分类器，并将步骤2.1中提取的深度特征F输入故障分类器，获得故障预测概率P和预测故障类型 步骤2.3、构建一个由2层的全连接网络和Softmax激活函数层作为多源域判别器Gd，将步骤2.1中提取的深度特征F进行梯度翻转后，输入多源域判别器Gd获得所属域预测标签di； 步骤2.4、构建C个由2层的全连接网络和Softmax激活函数层作为类分离对抗判别器根据步骤2.2获得的故障预测概率P和预测故障类型对步骤2.1中提取的深度特征F进行加权处理，并进行梯度翻转，输入对应预测故障类别的类分离对抗判别器获得类分离域预测标签cdi；是用于类间分离的第c类分离对抗判别器，c＝1,2……N； 步骤2.5、训练多源域类分离对抗网络； 设置初始学习率η0、迭代次数，将训练集输入特征提取器模块Gf获得深度特征F，进而依次分别输入故障分类器、多源域判别器Gd和类分离对抗判别器获得深度特征F的故障预测概率P和预测故障类型结合步骤2.3获得的域预测标签di、步骤2.4获得的类分离域预测标签cdi，分别计算多源域分类损失Ly、多源域判别损失LD和类分离判别损失Lcs，最终计算总损失函数L； 采用梯度优化算法和自适应步长学习率η来最小化损失，依次迭代更新特征提取器Gf、故障分类器、多源域判别器Gd和类分离对抗判别器的参数，直至达到最大迭代次数，即完成多源域类分离对抗网络的训练； 步骤2.6、对目标域工况进行轴承故障诊断； 将测试集输入到步骤2.5训练完成的多源域类分离对抗网络中，输出每个样本的故障类别预测结果；从每个样本的故障类别预测结果中选取最大值，作为该样本的故障诊断类别，输出预测故障类型

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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。