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！

龙图腾网获悉长沙理工大学申请的专利一种基于增量学习的电机轴承故障诊断方法及装置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：CN115563565B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211110097.2，技术领域涉及：G06F18/2433；该发明授权一种基于增量学习的电机轴承故障诊断方法及装置是由孙梅迪;肖鑫淼;刘平;龙卓;何哲文;何青设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种基于增量学习的电机轴承故障诊断方法及装置在说明书摘要公布了：本发明公开一种基于增量学习的电机轴承故障诊断方法及装置，该方法步骤包括：在模型训练阶段，分别采集不同类型电机轴承在不同状态下的运行数据、域数据构成训练样本集，进行故障诊断模型训练，并筛选出代表性样本；在增量学习阶段，当有新增样本输入时，判断是否属于新增类别或者新增域，根据判断结果修正新增样本的权重，以训练得到的网络参数为初始条件，将代表性样本、新增样本以及修正后的权重输入至故障诊断模型中以进行模型微调，其中修正后的权重用于计算模型微调过程中的损失函数；在故障诊断阶段，将待诊断数据输入至最终得到的故障诊断模型中进行诊断。本发明具有实现方法简单、成本低、诊断精度以及效率高且应用范围广等优点。

本发明授权一种基于增量学习的电机轴承故障诊断方法及装置在权利要求书中公布了：1.一种基于增量学习的电机轴承故障诊断方法，其特征在于，步骤包括： 在模型训练阶段，分别采集不同类型电机轴承在不同状态下的运行数据以及不同类型电机轴承在不同状态下的域数据构成训练样本集，基于深度学习网络使用所述训练样本集进行故障诊断模型训练，并筛选出当前故障诊断模型下的代表性样本，输出筛选出的代表性样本以及训练得到的模型网络参数； 在增量学习阶段，当有新增电机轴承数据样本输入时，判断新增样本是否属于新增的故障类别或者新增的域数据，根据判断结果以及代表性样本与新增样本之间的数量关系修正样本的权重，得到修正后权重，以所述训练得到的模型网络参数为初始条件，将代表性样本、新增样本以及所述修正后的权重输入至训练得到的故障诊断模型中以进行模型微调，其中所述修正后权重用于计算模型微调过程中的损失函数，所述代表性样本、新增样本作为微调数据； 在故障诊断阶段，将待诊断数据输入至经过所述增量学习阶段后最终得到的故障诊断模型中进行诊断，输出诊断结果； 采用基于最优次优距离的方法筛选出所述代表性样本，步骤包括：计算各样本概率估计的最高值p Best和次高值p SecondBest，并计算所述最高值p Best和次高值p SecondBest之间的概率差异值x BvSB，从同一类别标签和同一域辅助标签的样本中筛选出所述概率差异值x BvSB最高的前多个样本作为当前故障诊断模型下的所述代表性样本； 所述根据判断结果以及代表性样本与新增样本之间的数量关系修正样本的权重时，如果只增加了样本数量、未新增类别和域，即c z≤C且d z≤D，则将N z个新增样本的权重λ修正为N rN z，代表性样本的权重λ为1；如果新增了类别、未新增域，即c zC且d z≤D，则这N z个新增样本的权重λ修正为αN rN z，α1，代表性样本的权重λ为1，如果新增了域、未新增类别，即c z≤C且d zD，则将N z个新增样本的权重λ修正为βN rN z，β1，代表性样本的权重λ为1，其中c z为新增样本中类别标签，N z为域辅助标签为d z的新增样本数量，α、β为不同的预设系数，βα，C表示当前代表性样本中包含的类别标签数目，D表示当前代表性样本中包含的域辅助标签数目，N r为代表性样本的任一类别c且域辅助标签为d的样本数量。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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”。