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！

龙图腾网获悉沈阳工业大学申请的专利最小熵优化的原型对比网络在跨工况轴承故障诊断的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：CN121093079B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511190631.9，技术领域涉及：G06F18/241；该发明授权最小熵优化的原型对比网络在跨工况轴承故障诊断的方法是由李东霖;姚钰琦;王奇森;张宇献;陈德志;张智翔设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本最小熵优化的原型对比网络在跨工况轴承故障诊断的方法在说明书摘要公布了：本发明提供最小熵优化的原型对比网络在跨工况轴承故障诊断的方法，涉及智能故障诊断技术领域，在预训练阶段，构造辅助域鉴别器，借助分类器的判别信息辅助DA，通过样本熵对分类难度进行评估，抑制DA过程中的性能退化；在训练阶段，采取学习向量量化的方式找到原型；通过域内原型对比学习，促使样本特征在特征空间中紧密地围绕同类原型聚集，同时与异类原型保持分离；进而增强特征的类内一致性，提升类间区分度，从而在特征层面实现域内的精准对齐；此外，跨域实例‑原型学习在共享嵌入空间中对齐语义结构，通过细粒度对齐策略，缓解了负迁移问题，提升了模型的泛化能力；通过伪标签生成和加权损失函数，提升模型在跨工况小样本场景下的泛化性能。

本发明授权最小熵优化的原型对比网络在跨工况轴承故障诊断的方法在权利要求书中公布了：1.一种最小熵优化的原型对比网络在跨工况轴承故障诊断的方法，其特征在于，包括如下步骤： 步骤1：采集多个工况下的轴承振动信号，构建源域数据集和目标域数据集； 步骤2：利用卷积层和transformer层提取轴承振动信号的深度特征表示； 步骤3：建立全局特征和预测信息之间的辅助信息，使得模型能够捕捉全局特征和预测信息之间的非线性关系； 步骤4：计算样本熵，评估样本分类的不确定性，根据样本分类难易程度对结果进行加权； 步骤5：构建四层全连接域判别器，结合辅助信息和样本熵，通过域对抗损失函数优化源域和目标域的特征分布对齐； 步骤6：利用轴承数据的特征向量，利用学习向量量化的方式获取数据的原型； 步骤7：进行域内原型对比学习，比较特征向量与原型之间的相似度分量，并计算域内原型对比损失； 步骤8：进行跨域实例‑原型学习，比较源域特征向量与目标域原型之间的相似度分量，并计算跨域实例‑原型损失； 步骤9：设计包含域对抗损失、域内原型对比损失、跨域实例‑原型损失和分类损失的加权总损失函数对模型进行优化； 步骤10：利用训练完成的模型对目标域轴承故障状态进行分类诊断。

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沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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。