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！

龙图腾网获悉西南交通大学申请的专利基于自适应对称损失的旋转机械噪声标签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：CN116502085B 。

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：202310450243.4，技术领域涉及：G06F18/214；该发明授权基于自适应对称损失的旋转机械噪声标签故障诊断方法是由张楷;郑庆;秦国浩;丁国富;赖旭伟;李致萱设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本基于自适应对称损失的旋转机械噪声标签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自适应对称损失的旋转机械噪声标签故障诊断方法，解决噪声标签下基于深度学习的旋转机械故障诊断模型易受错误标记样本损害模型训练，进而导致诊断精度降低的问题。本发明使用宽的卷积核进行分支卷积，在保留网络深度的同时加强网络对于振动信号特征的提取。然后动态加权结合不同尺度的特征信息，充分准确地提取旋转机械的故障特征。最后，对网络输出特征进行方差评价，作为自适应对称交叉熵损失函数的权重参数，并以此进行反向传播更新网络参数。

本发明授权基于自适应对称损失的旋转机械噪声标签故障诊断方法在权利要求书中公布了：1.基于自适应对称损失的旋转机械噪声标签故障诊断方法，其特征在于，包括动态宽卷积残差网络和自适应对称交叉熵损失函数；所述自适应对称交叉熵损失函数通过网络输出评估进行自适应加权，对网络反向传播优化参数；所述方法包括如下步骤： 步骤1：采集旋转机械故障数据，并预处理为训练数据集Dtrain和测试数据集Dtest，其中，Dtrain为带有噪声标签的数据集； 步骤2：构建动态宽卷积残差网络，将训练数据集按照批次Batch输入该网络，得到网络所提取的特征f； 步骤3：根据步骤2中所提取的特征f，计算自适应对称损失函数的权重参数Var，并根据此参数计算每一个批次的损失函数LASCE，然后根据此损失函数进行反向传播，优化网络参数得到训练完成的诊断模型，对应的计算流程包含如下步骤； 步骤3-1，将步骤2中的特征f进行Softmax计算，得到特征图中每一个元素的分布概率： 式中，fi为第i个元素的值，n为故障类型数；由该式将得到概率分布组合，从而形成概率分布向量P＝pf1,pf2,...,pfn； 步骤3-2，对步骤3-1中得到的概率分布向量P进行方差计算，得到自适应对称损失函数中交叉熵损失函数的方差权重Var： 式中，为概率分布向量P的均值； 步骤3-3，根据步骤3-2中的方差权重Var，计算所述自适应对称交叉熵损失函数： 式中，LCCE表示交叉熵损失函数，LRCE表示反向交叉熵损失函数；pfi表示第i个分类的预测标签概率值，yi表示样本对应的标签值，pfc表示第c类的预测标签概率值；当yi＝0时，定义logyi＝A，A为-7到-5之间的常数； 步骤3-4，根据步骤3-3中的自适应损失函数LASCE计算每一个Batch中所有样本的损失函数值，对所构建的动态宽卷积网络进行反向传播优化网络参数，直到完成训练； 步骤4：采用步骤3中训练好的故障诊断模型对旋转机械故障数据集进行诊断。

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西南交通大学，其通讯地址为：610000 四川省成都市二环路北一段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。