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！

龙图腾网获悉华南理工大学申请的专利基于多尺度集成LightGBM的小样本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：CN116738338B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310633576.0，技术领域涉及：G06F18/243；该发明授权基于多尺度集成LightGBM的小样本故障诊断方法是由李巍华;何敬科;陈祝云;许维冬;贺毅设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本基于多尺度集成LightGBM的小样本故障诊断方法在说明书摘要公布了：本发明公开了基于多尺度集成LightGBM的小样本故障诊断方法，包括以下步骤：采集旋转机械的振动加速度信号并截取样本，得到训练集和测试集；构建由数据增强模块、标签分类模块和输出加权模块组成的多尺度集成模型；在数据增强模块，利用多尺度滑动窗口对原始样本进行重采样，得到多个子样本训练集和子样本测试集；在训练阶段，利用子样本训练集训练标签分类模块中的多组分类器；在测试阶段，将子样本测试集分别输入对应组别的分类器中，通过集成得到标签分类模块对原始样本的测试结果；利用度量函数计算测试集与训练集样本在频域上的相似度，并作为权重；在输出加权模块，对集成后的测试结果进行加权，得到最终的分类诊断结果。

本发明授权基于多尺度集成LightGBM的小样本故障诊断方法在权利要求书中公布了：1.基于多尺度集成LightGBM的小样本故障诊断方法，其特征在于，包括以下步骤： 步骤1、数据集的采集与标定：采集旋转机械在某个实验工况下的振动加速度信号，从振动加速度信号中截取数据段来构成样本，并进行标注，选择其中若干个样本组成训练集，其余样本组成测试集，其中，和分别表示第i个样本及其对应的标签，k为训练集的样本数量，m为样本总数； 步骤2、构建基于集成学习的小样本故障诊断模型，包括数据增强模块、标签分类模块和输出加权模块，其中，数据增强模块用于为样本进行多尺度重采样，以实现数据扩充；标签分类器模块用于为样本进行分类诊断，并输出相应的类别预测向量；输出加权模块用于为上述类别预测向量进行加权，以提高分类诊断的准确率； 步骤3、数据增强：将步骤1构建的训练集和测试集分别输入数据增强模块，利用多尺度滑动窗口对原始样本进行重采样，获得大量尺度不一的子样本，并相应地构建多个具有不同尺度信息的子样本训练集和子样本测试集，其中，和分别表示具有第j种尺度信息的子样本训练集和子样本测试集，T表示尺度的类别数量； 步骤4、模型训练：在标签分类模块，对于步骤3中获得的每个子样本训练集，都采用梯度提升决策树算法分别训练一组基于轻量级梯度提升机LightGBM的标签分类器，共训练T组，其中，每组标签分类器都包含N个用于二分类的LightGBM模型，N即为标签的类别数量； 步骤5、模型测试：在标签分类模块，将步骤3中获得的每个子样本测试集都分别输入对应组别的标签分类器，各组标签分类器输出测试结果，对测试结果进行加和求平均及拼接操作后得到T组N维的类别预测向量，将各组类别预测向量进行进一步的加和求平均，得到集成后类别预测向量，即标签分类模块对测试集输出的诊断结果； 步骤6、权重计算：利用快速傅里叶变换将步骤3中获得的训练集和测试集中的样本从时域转换至频域，得到新的频域训练集和频域测试集，将频域训练集中的样本按类别进行加和求平均，得到N个类别中心，采用余弦相似度函数作为度量函数，计算频域测试集中的样本与各个类别中心的相似度，得到N维的度量向量，再将度量向量进行归一化，最终得到N维的权重向量； 步骤7、输出加权：在输出加权模块，将步骤5、步骤6中获得的集成后的N维类别预测向量与对应的N维权重向量逐分量相乘，得到加权后的类别预测向量，其中最大的向量分量对应的类别即为整体模型对测试集的最终诊断结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。