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！

龙图腾网获悉河海大学申请的专利一种基于先验小波组策略融合的旋转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：CN115905955B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211535293.4，技术领域涉及：G06F18/241；该发明授权一种基于先验小波组策略融合的旋转机械故障诊断方法是由刘立;陈建杭;韩光洁设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于先验小波组策略融合的旋转机械故障诊断方法在说明书摘要公布了：本发明公开了一种基于先验小波组策略融合的旋转机械故障诊断方法，步骤如下：首先通过设计小波卷积收缩网络并配合预训练，对各小波的特性进行初步测试。将测试结果作为先验，指导后续针对不同输入信号时的小波组策略选取。小波组策略选取基于训练一个小波组选择智能体，智能体可以为每一个输入的信号样本选取一组合适的小波进行小波卷积，然后将卷积输出的结果进行融合。最后，结合智能体对之前预训练的分类网络进行微调。本发明根据小波函数多样的特点，选取多个小波构成小波组，与现有技术相比在特征选择方面更具合理性，且模型具有更高的鲁棒性，组策略融合能进一步提高准确度。

本发明授权一种基于先验小波组策略融合的旋转机械故障诊断方法在权利要求书中公布了：1.一种基于先验小波组策略融合的旋转机械故障诊断方法，其特征在于，包括如下步骤： 步骤1：小波卷积收缩网络预训练 构建由小波卷积层、阈值学习网络、软阈值滤波器和分类器组成的小波卷积收缩网络，并开展预训练；预训练阶段，样本输入小波卷积收缩网络后,从包含'morlet',′fbsp′,′gauss′,′mexhat′,′shan′,′laplace'的小波集合中依次选取一种小波进行卷积，并将小波卷积预训练阶段的验证集准确率作为先验经验带入到小波组策略选择智能体的训练中； 步骤2：基于先验知识的小波组策略选择 在正式的小波组策略选择阶段，将小波组策略选择过程转化为马尔可夫决策过程MDP模型ε＝S,A,R,T，并设计状态空间S、动作空间A、奖励函数R、状态转移函数T和训练目标，训练一个智能体对小波组策略进行选择； 步骤2-1：预训练完成后，进行状态空间S设计；将状态设计为输入的振动信号，使得智能体根据输入的信号，选取合适的小波对其进行特征提取，得到最终诊断的结果；状态空间S为所有输入的振动信号集合； 步骤2-2：进行动作空间A设计；将动作设计为选择合适的小波组策略，当状态输入后，智能体从动作空间中选择一个动作，根据动作选择对应的小波卷积核进行卷积，卷积后按照先验经验对卷积结果进行融合，得到最终的小波卷积输出；动作空间A为所有小波组策略的集合； 步骤2-3:进行奖励函数R设计；奖励函数R设计如下：将最终卷积输出放入由阈值学习网络、软阈值化滤波器和分类器组成的网络，得到预测标签；将预测标签和输入样本的标签进行比较，若结果正确获得奖励，反之进行惩罚；与此同时，根据预测标签和实际标签，对小波卷积集合中的各小波卷积历史经验进行更新； 步骤2-4:进行状态转移函数T设计，状态转移设计为从剩余样本中随意选择一个样本，所以状态转移函数T为剩余所有样本的集合； 在完成上述设计后开始对智能体进行训练，在训练过程中保持由阈值学习网络、软阈值化滤波器和分类器组成的网络的参数固定，待智能体获得的平均奖励趋于稳定，则终止训练； 步骤3：基于预训练网络模型重用的旋转机械故障诊断 使用步骤1预训练阶段使用的小波卷积收缩网络，在其小波卷积层使用步骤2中智能体的小波组策略选择结果；在阈值学习网络、软阈值化滤波器和分类器组成的网络中，重用步骤1中预训练阶段得到的参数并对参数进行更新；待损失收敛，则终止训练。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路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。