買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜安徽大學申請的專利一種基于無監督域適應的智能故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114398992B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210054299.3，技術領域涉及：G06F18/2415；該發明授權一種基于無監督域適應的智能故障診斷方法是由夏懿;張誠志;許洋洋;方永康建設計研發完成，并于2022-01-18向國家知識產權局提交的專利申請。

本一種基于無監督域適應的智能故障診斷方法在說明書摘要公布了：本發明公開了一種基于無監督域適應的智能故障診斷方法，涉及故障檢測技術領域。獲取帶有故障標簽標注的目標零件信號作為源域信號，獲取無標注的目標零件信號作為目標域信號；目標零件信號為用于判斷目標零件是否發生故障的傳感器數據；故障標簽為目標零件發生故障的類型；對源域信號和所述目標域信號進行預處理，得到多個源域樣本和多個目標域樣本；使用源域樣本和目標域樣本訓練預設的域適應模型，優化域適應模型的優化目標函數，完成域適應模型的訓練；使用訓練好的域適應模型進行目標零件的故障診斷。以此能夠根據已知的零件數據，診斷出分布相似的零件軸承監測數據的故障類型，提升模型在實際應用中的診斷效果。

本發明授權一種基于無監督域適應的智能故障診斷方法在權利要求書中公布了：1.一種基于無監督域適應的智能故障診斷方法，其特征在于，包括以下步驟：獲取帶有故障標簽標注的目標零件信號作為源域信號，獲取無標注的目標零件信號作為目標域信號；所述目標零件信號是用于判斷目標零件是否發生故障的傳感器數據；所述故障標簽為目標零件發生故障的類型；對所述源域信號和所述目標域信號進行預處理，得到多個源域樣本和多個目標域樣本；使用所述源域樣本和所述目標域樣本訓練預設的域適應模型，優化所述域適應模型的優化目標函數，完成所述域適應模型的訓練；使用訓練好的所述域適應模型進行所述目標零件的故障診斷；所述預設的域適應模型包括一個特征提取器、一個分類器和三個域鑒別器；其中，所述特征提取器包括三層卷積層和一層全連接層，每個卷積層還包括了BN層、池化層和ReLU層；其中，所述池化層都采用最大值池化方法，所述ReLU層采用一種線性糾正函數；所述分類器包括兩層全連接層，用于使用softmax激活函數對故障標簽進行預測；每一域鑒別器包括兩層全連接層，用于使用sigmoid激活函數對域標簽進行預測；使用所述源域樣本和所述目標域樣本訓練預設的域適應模型，優化所述域適應模型的優化目標函數，完成所述域適應模型的訓練，包括：利用所述特征提取器提取所述源域樣本的特征，作為源域特征，利用所述特征提取器提取所述目標域樣本的特征，作為目標域特征；將所述源域特征和所述目標域特征輸入所述分類器，預測所述源域樣本和所述目標域樣本的故障標簽；將所述分類器輸出的帶有故障標簽的源域特征和目標域特征，通過多重線性映射經過梯度反轉層后輸入所述域鑒別器，通過所述域鑒別器預測所述源域樣本和所述目標域樣本的域標簽；所述域標簽包括標簽1和標簽0，所述標簽1表示屬于源域，所述標簽0表示屬于目標域；優化所述域適應模型的優化目標函數，完成所述域適應模型的訓練；所述優化目標函數為： 其中，Lc為所述分類器的損失函數，Ld1、Ld2和Ld3分別為三個域鑒別器的損失函數，Lmmd為所述特征提取器的損失函數，λ1、λ2、λ3、λ4為權衡參數，用于調節所述域鑒別器和所述特征提取器的貢獻；通過最小化Lc優化所述特征提取器和所述分類器的參數；最小化Ld1、Ld2和Ld3優化三個域鑒別器的參數；最小化Lmmd優化所述特征提取器的參數；最大化Ld1、Ld2和Ld3優化所述特征提取器的參數；域鑒別器的損失函數為： 其中，D為所述域鑒別器的操作；通過熵準則計算預測不確定性，通過熵感知權重ωHg＝1+e-Hg，對易于轉移的樣本進行重新加權；其中，gc表示樣本屬于第C類的概率；對于第m個域鑒別器，損失函數為： 其中，表示對第i個源域樣本分類器的預測結果，表示對第j個目標域樣本分類器的預測結果，Dm表示第m個域鑒別器的操作，表示第m層卷積對第i個源域樣本提取的特征，表示第m層卷積對第j個目標域樣本提取的特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽大學，其通訊地址為：230000 安徽省合肥市肥西路3號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。