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！

龙图腾网获悉西安邮电大学申请的专利一种基于联邦领域泛化的机械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：CN121094060B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511620683.5，技术领域涉及：G06N3/098；该发明授权一种基于联邦领域泛化的机械故障诊断方法及系统是由王艺蒙;赵雨坤;何浪;谢佳辉;石宇;李亚男;孙佳兆;韩青设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本一种基于联邦领域泛化的机械故障诊断方法及系统在说明书摘要公布了：本申请公开了一种基于联邦领域泛化的机械故障诊断方法及系统，涉及故障诊断技术领域，方法包括：采集真实数据；训练全局去噪扩散概率模型，利用全局去噪扩散概率模型合成得到合成数据，合成数据和真实数据混合形成平衡数据；将平衡数据输入局部模型以及全局模型，全局模型利用异质特征提取器提取特征，形成长度固定的特征向量；基于双向知识蒸馏技术利用本地特征和特征向量训练局部模型和全局模型；将局部模型的参数聚合，重新建立全局模型；将待诊断数据输入全局模型，得到故障诊断结果。本申请通过数据、特征和模型层面的逐步优化，系统性地解决了3H‑FDG中的三重异质性问题，保护数据隐私的同时，确保了跨领域故障诊断的高效性。

本发明授权一种基于联邦领域泛化的机械故障诊断方法及系统在权利要求书中公布了：1.一种基于联邦领域泛化的机械故障诊断方法，其特征在于，包括： 将全局模型广播至每个源客户端，所述源客户端按照所述全局模型中的参数对源域中的局部模型进行初始化； 由所述源客户端采集真实数据； 利用真实数据训练全局去噪扩散概率模型，各源客户端基于训练后的全局去噪扩散概率模型生成合成数据，并将合成数据与真实数据混合形成平衡数据； 将平衡数据输入局部模型和全局模型进行特征提取与分类，所述全局模型的特征提取器采用在卷积神经网络中结合空间金字塔池化层的异质特征提取器，所述全局模型利用所述异质特征提取器从不同维度的所述平衡数据中提取特征，形成长度固定的特征向量，所述特征向量作为统一的语义空间； 基于双向知识蒸馏技术对局部模型和全局模型进行联合训练，通过最小化综合损失函数更新参数，所述综合损失包括分类损失和蒸馏损失； 当所有局部模型完成训练后，对各局部模型参数进行聚合，重新建立全局模型； 获取待诊断数据并输入所述全局模型，输出机械故障诊断结果。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区西长安街618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。