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理工大学申请的专利一种域间数据标签关系未知的滚动轴承跨域故障诊断方法及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：CN117312984B 。

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：202311268690.4，技术领域涉及：G06F18/2415；该发明授权一种域间数据标签关系未知的滚动轴承跨域故障诊断方法及系统是由康守强;汤希;王玉静;孙宇林;王庆岩;王洪起设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本一种域间数据标签关系未知的滚动轴承跨域故障诊断方法及系统在说明书摘要公布了：本发明公开了一种域间数据标签关系未知的滚动轴承跨域故障诊断方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有迁移学习中由于源域和目标域数据标签关系未知而导致故障诊断准确率低的问题。本发明的技术要点包括：构建对比通用域适应模型：引入BYOL网络挖掘目标域数据特有结构，并提出利用熵分离策略拒绝未知类样本；同时，设计一种源类加权机制来改进迁移语义增强方法，赋予源类别不同的类级权重，使两域的特征分布在共享标签空间中更好地对齐，进一步构建故障诊断模型；并通过训练好的故障诊断模型进行故障诊断。本发明在不同工况下均具有优越的故障诊断准确率。

本发明授权一种域间数据标签关系未知的滚动轴承跨域故障诊断方法及系统在权利要求书中公布了：1.一种域间数据标签关系未知的滚动轴承跨域故障诊断方法，其特征在于，包括以下步骤： 1数据选取及预处理： 获取某工况已知标签的滚动轴承所有状态振动信号作为源域数据，将无标签的其他工况滚动轴承振动信号作为目标域数据；对源域与目标域数据作短时傅里叶变换构造二维图像数据集，作为模型输入； 2对比通用域适应模型构建： 构建的对比通用域适应模型包括两个模块：对比学习模块和域适应模块；其中对比学习模块用于增强模型特征提取能力，最大化相同健康状态样本间的相似性，减少分类边界附近的样本数量；域适应模块用于解决域间数据标签关系未知情况下的负迁移，并减小数据分布差异和标签差异； 将不同数据增强后的目标域数据输入到对比学习模块中，获得最优编码器网络；接着利用域适应模块中的熵分离策略拒绝目标域未知类样本，使用源分类器得到目标域无标签数据的伪标签，并通过源类加权机制改进的迁移语义增强方法赋予每个源类别不同的类级权重，进而对齐源域和目标域共享类的特征； 3多状态识别： 在多状态分类模型训练过程中，使用LARS优化算法加快模型收敛速度，并动态改变对比损失的权重；通过目标损失不断更新模型参数，根据阈值将私有健康状态样本标记为未知类，共享健康状态样本正确分类；经过多次迭代优化，建立不同工况下滚动轴承多状态识别模型；将测试数据输入至诊断模型中，获得最终故障分类结果。

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理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。