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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院);山东山科智控数字化科技有限公司申请的专利一种基于深度迁移学习的齿轮箱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：CN116894187B 。

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：202310855348.8，技术领域涉及：G06F18/214；该发明授权一种基于深度迁移学习的齿轮箱故障诊断方法是由孟庆龙;王丹;郝慧娟;丁文康;杨天嘉设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本一种基于深度迁移学习的齿轮箱故障诊断方法在说明书摘要公布了：本发明属于基于迁移学习的故障诊断的技术领域，更具体地，涉及一种基于深度迁移学习的齿轮箱故障诊断方法。所述方法包括用加速度计采集齿轮箱在不同运行工况下的原始振动信号；将采集的数据划分为源域数据和目标域数据并进行预处理；构建预训练模型并输入源域训练集和目标域训练集进行预训练，并保存准确率最高的最佳预训练模型；读取所述最佳预训练模型，在特征提取器后构建域判别器、辅助判别模块和多标签分类器得到故障诊断模型并进行对抗训练；将源域测试集和目标域测试集输入到故障诊断模型，并得出故障诊断结果。本发明解决了现有技术中两个领域之间齿轮箱的故障类型必须相同的限制、受限于数据集要大且标记良好和对抗训练过程中存在的梯度消失和爆炸的问题。

本发明授权一种基于深度迁移学习的齿轮箱故障诊断方法在权利要求书中公布了：1.一种基于深度迁移学习的齿轮箱故障诊断方法，其特征在于，包括； S1.用加速度计采集齿轮箱在不同运行工况下的原始振动信号； S2.将采集的数据划分为源域数据和目标域数据并进行预处理，源域数据划分为源域训练集和源域测试集，目标域数据划分为目标域训练集和目标域测试集； S3.构建预训练模型并输入源域训练集和目标域训练集进行预训练，设置迭代次数N，当预训练次数达到迭代次数转到对抗训练，保存准确率最高的最佳预训练模型； 所述预训练模型包括：特征提取器和多标签分类器； 所述S3预训练的具体步骤包括： S31、将源域训练集和目标域训练集经过第一层卷积处理后经归一化和relu激活函数优化得到卷积特征图； S32、将卷积特征图输入最大池化层，再输入到注意力机制中进行优化，提取卷积滤波器大小β和最大池的步幅大小Ipl的最大特征值； S33、将最大特征值输入到n层残差块后再次输入到注意力机制中，最终输入到平均池化层，得到最终特征值； S34、多标签分类器通过全连接层对接收的特征进行故障分类，并通过softmax函数映射为概率输出； S4.读取所述最佳预训练模型，在特征提取器后构建域判别器、辅助判别模块和多标签分类器得到故障诊断模型，并设置域判别器的Wasserstein距离、在域判别器上实施Lipschitz约束后进行对抗训练，设置迭代次数K，当对抗训练次数达到迭代次数完成训练； 所述域判别器包括一层卷积层和两层全连接层，在卷积运算后使用leakyRelu函数进行激活，两个全连接层之间使用leakyRelu激活函数； 所述辅助判别模块对域判别器所区分出来的样本赋予权重项，用于区分目标域训练集中的已知类别和未知类别； 所述S4的具体步骤为： S41、读取所述最佳预训练模型，将源域训练集和目标域训练集输入特征提取器提取出源域特征和目标域特征，输入多标签分类器并通过域判别器区分输入数据属于源域还是属于目标域； S42、设置域判别器的Wasserstein距离以及在域判别器上实施Lipschitz约束将域判别器的权重裁剪到紧致空间中； S43、辅助判别模块用于对域判别器所区分出来的目标域样本赋予权重项，用来显示与源域类级别的相似性； S44、多标签分类器通过全连接层对域判别器处理后的特征进行故障分类，并通过多标签分类器中的softmax函数映射为概率输出； S45、进行迭代对抗训练，设置迭代次数K，当对抗训练次数达到迭代次数后停止，得到抗训练迁移诊断模型； S46、根据构建的目标损失函数用随机梯度下降算法对该模型进行迭代对抗训练来优化网络参数，训练完成后保存模型最优网络参数和得到训练后的迁移诊断模型； 所述进行迭代对抗训练时包括： 在对抗训练的原始GAN目标函数中添加梯度惩罚项，所述梯度惩罚项中的特征表示由生成的源域特征、目标域特征和沿着源域特征与目标域特征之间的直线随机选择的点组成； 在对抗训练过程中，对特征提取器G进行优化，使最小化，同时使和最大化；同时，多标签分类器P尝试最小化和，同时使最大化；为辅助判别模块中的权重参数；整个网络的目标损失函数为： 2； 3； 其中，表示源域实际标签，表示源域预测标签，表示目标域样本，表示二元交叉损失，表示分类损失，域对抗损失； S5.将源域测试集和目标域测试集输入到故障诊断模型，并得出故障诊断结果。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院);山东山科智控数字化科技有限公司，其通讯地址为：250000 山东省济南市经十路东首科学院路19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。