北京建筑大学姚德臣获国家专利权
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！
龙图腾网获悉北京建筑大学申请的专利基于半监督学习的滚动轴承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：CN116773196B 。
龙图腾网通过国家知识产权局官网在2026-01-30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：202310693521.9，技术领域涉及：G01M13/045；该发明授权基于半监督学习的滚动轴承故障诊断方法是由姚德臣;杨建伟;李冠毅;王金海;胡忠硕设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。
本基于半监督学习的滚动轴承故障诊断方法在说明书摘要公布了：本发明提供了一种基于半监督学习的滚动轴承故障诊断方法，该方法引入半监督学习的思想，利用对比学习获得所有未标签样本的表面特征，随后使用有标签样本进行微调，并采用多标签复合故障的分类器挖掘标签间的潜在关系并输出预测结果。该方法实现了有标签样本与未标签样本的解耦，可以根据分类任务的要求，灵活使用已有标签标识新的复合故障类型，而无需添加新的故障类别并重新训练，提高了模型的拓展性和泛用性。
本发明授权基于半监督学习的滚动轴承故障诊断方法在权利要求书中公布了：1.基于半监督学习的滚动轴承故障诊断方法，其特征在于，该方法包括如下步骤： 1构建滚动轴承复合故障数据集，采用的两种不同转速的工况数据，故障类型设置为：转速正常、内圈故障、外圈故障、滚动体故障以及复合故障，所述复合故障包括外圈故障和内圈故障，对上述不同工况下的所有故障类型进行多标签分类形成数据集； 2未标签样本特征提取，采用对比学习对所有的未标签样本进行表面特征提取，在每一轮次训练中，采用随机高斯噪声对滚动轴承一维振动时域信号进行加噪，生成正负样本，通过学习其中的相似性，获得最大共同表面特征； 3采用多标签分类器预测输出结果，针对少量的有标签样本，输入一个有标签样本，获得表面特征向量，特征向量重组后，与所述最大共同表面特征共同作为多标签分类器Transformer的输入信号，对所述输入信号中的所有特征向量进行位置编码以及标签编码，并对每个分类标签使用一个全连接层网络作为预测结果的输出； 4复合故障性能验证，将步骤3的输出结果与真实样本进行对比，计算输出结果的精确率、召回率、平均精度、均值平均精度，由此验证复合故障性能。
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北京建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励