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！

龙图腾网获悉中国海洋大学申请的专利基于稳态非稳态特征相似性挖掘的轴承未知故障检测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：CN117113105B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202311327505.4，技术领域涉及：G06F18/22；该发明授权基于稳态非稳态特征相似性挖掘的轴承未知故障检测方法是由聂婕;李若溪;王成龙;于树松;丁香乾;梁馨月设计研发完成，并于2023-10-13向国家知识产权局提交的专利申请。

本基于稳态非稳态特征相似性挖掘的轴承未知故障检测方法在说明书摘要公布了：本发明属于故障检测技术领域，公开了基于稳态非稳态特征相似性挖掘的轴承未知故障检测方法，包括阶段一、预训练阶段，用于在标记集上训练成对样本数据的相似标签或不相似标签，完成相似性预测网络的训练；阶段二、新类发现阶段，用于识别和发现新类；本发明提出基于差异化诊断的相似性特征提取框架，提供了一种基于相似度度量和差异化的故障诊断方法，并且加入时频注意力机制，将时间和频率两个维度的信息进行整合，提升特征表示的准确性、减弱噪声的影响；使用显著性特征深层融合模块，最大化利用信息，深度挖掘特征间信息关联，提高检测结果准确性。

本发明授权基于稳态非稳态特征相似性挖掘的轴承未知故障检测方法在权利要求书中公布了：1.基于稳态非稳态特征相似性挖掘的轴承未知故障检测方法，其特征在于，包括预训练阶段和新类发现阶段两个阶段： 阶段一、预训练阶段，用于在标记集上训练成对样本数据的相似标签或不相似标签，完成相似性预测网络的训练： 所述相似性预测网络采用共享权重的孪生网络作为特征提取器，学习样本的稳态相似性和非稳态相似性，首先，孪生网络以成对的相似样本或不相似样本作为输入，将每个样本数据分为稳态信号和非稳态信号，分别进行特征提取；在特征提取时，稳态信号的特征提取器之间共享权重，非稳态信号的特征提取器之间也共享权重，在非稳态信号的特征提取过程中引入了时频注意力，引导特征提取器关注非稳态中的时间和频率上的信号波动；最后，将成对样本的稳态特征距离和非稳态特征距离相加，得到成对样本的总特征距离，根据总特征距离预测成对样本的关系标签，进而预测成对样本是否属于相似类别； 阶段二、新类发现阶段，用于识别和发现新类： 新类发现阶段的输入数据是与预训练阶段的训练数据不同类别的成对无标签数据，在这个阶段，训练过程分以下几步：第一，将成对无标签数据输入至阶段一训练好的相似性预测网络预测得到伪标签SUL，若成对无标签数据预测为同一类，则该伪标签为1，否则为0；第二，将成对无标签数据分批次送入特征提取模块，获得每一样本的稳态特征和非稳态特征，该步骤特征提取模块进行的操作具体是将样本解耦为稳态信号和非稳态信号，稳态信号的特征提取器之间共享权重，非稳态信号的特征提取器之间也共享权重，且在非稳态信号的特征提取过程中引入了时频注意力；但该步骤稳态信号和非稳态信号特征提取器的权重独立于阶段二第一步中的相似性预测网络的稳态信号和非稳态信号特征提取器权重，即两者不为相同权重；第三，将每一样本的稳态特征和非稳态特征融合，得到该样本的总特征；第四，将输入的成对无标签数据得到的总特征送入softmax层，得到聚类分配P和Q；第五，计算聚类分配P和Q的KL散度，作为判断样本是否是同一类的依据，若两样本为同一类则结合预测的关系标签使用KL散度为损失函数，若两样本为不同类则结合预测的关系标签使用铰链损失为损失函数训练特征提取模块。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。