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！

龙图腾网获悉四川大学;宜宾四川大学产业技术研究院申请的专利基于CAHTL的空间滚动轴承寿命阶段识别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：CN116304900B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211553580.8，技术领域涉及：G06F18/2413；该发明授权基于CAHTL的空间滚动轴承寿命阶段识别方法是由汪永超;刘峰良;李锋设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本基于CAHTL的空间滚动轴承寿命阶段识别方法在说明书摘要公布了：本发明公开了一种基于CAHTL的空间滚动轴承寿命阶段识别方法，利用CAHTL网络来进行空间滚动轴承寿命阶段识别，CAHTL网络包括前置编码网络、异构迁移学习网络以及同域泛对比学习网络；空间滚动轴承寿命阶段识别包括以下步骤：S1、信息补偿；S2、异构迁移学习网络预训练；S3、构造特征迁移损失函数；S4、构造同域泛对比学习损失函数；S5、构造分类损失函数；S6、构造CAHTL的联合损失函数，采用随机梯度下降和动量不同步更新方式将联合损失函数训练至收敛；S7、利用CAHTL网络对目标域待测样本进行分类。本发明能够利用空间滚动轴承历史工况下的少量、非均等、部分信息残缺的已知寿命阶段的训练样本对当前工况的待测样本进行较高精度的寿命阶段识别。

本发明授权基于CAHTL的空间滚动轴承寿命阶段识别方法在权利要求书中公布了：1.基于CAHTL的空间滚动轴承寿命阶段识别方法，其特征在于，利用CAHTL网络来进行空间滚动轴承寿命阶段识别，所述CAHTL网络即类对比簇分配异构迁移学习网络，依次包括前置编码网络、异构迁移学习网络以及同域泛对比学习网络； 空间滚动轴承寿命阶段识别包括以下步骤： S1、将信息残缺的空间滚动轴承原始振动信号样本输入前置编码网络进行元素填充，即信息补偿； S2、异构迁移学习网络预训练：将信息补偿后的空间滚动轴承源域和目标域的原始振动信号样本分别输入异构迁移学习网络，得到相应的两域高维特征，通过特征分布差异度量函数对两域高维特征构造特征迁移损失函数；通过优化特征迁移损失函数得到异构迁移学习网络的最优参数集； S3、将源域有类标签样本以及目标域无类标签样本输入预训练好的异构迁移学习网络来构造新的异构迁移学习网络的特征迁移损失函数； S4、对异构迁移学习网络输出的源域样本高维特征聚类得到蕴含不同类别信息的聚类簇点；以这些聚类簇点为祖点，利用同域泛对比学习网络为目标域待判别样本特征进行正负样本判别，使每个目标域样本特征都得到一个与自己对应的唯一正样本和个负样本，并将该判别结果存储在特征存储器中；得到正、负样本之后，构造同域泛对比学习损失函数；具体实现方法为：采用聚类簇点和构造同域泛对比学习对公共特征空间内的两域样本高维特征进行数量再分配和类判别； 将异构迁移学习网络中输出的源域高维特征聚类成类，得到个蕴含类别信息的聚类中心，该过程表达如下： 15； 式中表示聚类算法，表示第j个聚类中心； 用得到的聚类中心来对目标域样本特征进行正、负样本判别：对于每一个目标域待判别样本特征来说，正样本为该待判别样本特征与聚类中心一一比较之后相似度最大的聚类中心，即： 16； 式中，表示相似度度量函数；而负样本则是除去正样本外的所有其它源域和目标域样本特征；通过以上正负样本判别层使得目标域不同类别的样本特征都有了与自己对应的唯一正样本和个负样本，； 得到正、负样本之后，构造如下同域泛对比学习损失函数： 17； 式中，是一个温度超参数，用来控制样本分布的形状； 通过优化该同域泛对比学习损失函数，能够让相似的正样本对的距离越来越近，而让不相似的负样本相距越来越远； S5、计算空间滚动轴承目标域待测样本的高维特征与不同聚类簇点的相似度，并选择相似度最大的聚类簇点所对应的类标签作为待测样本的预测伪类标签，同时依据预测伪类标签来构造分类损失函数； S6、结合S3得到的异构迁移学习网络的特征迁移损失函数、同域泛对比学习损失函数以及分类损失函数来构造CAHTL的联合损失函数，采用随机梯度下降和动量不同步更新方式将联合损失函数训练至收敛，得到CAHTL网络的最优参数集，完成CAHTL网络的训练； S7、利用训练好的CAHTL网络对目标域待测样本进行分类，完成对空间滚动轴承的寿命阶段识别。

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四川大学;宜宾四川大学产业技术研究院，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。