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！

龙图腾网获悉中国电建集团四川工程有限公司申请的专利一种基于深度时频域自适应网络的轴承系统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：CN119719958B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510164343.X，技术领域涉及：G06F18/2415；该发明授权一种基于深度时频域自适应网络的轴承系统故障诊断方法是由白玉龙;徐国彬;何小龙;李杨设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于深度时频域自适应网络的轴承系统故障诊断方法在说明书摘要公布了：本发明公开了一种基于深度时频域自适应网络的轴承系统故障诊断方法，该方法包括：收集具有不同故障模式的轴承的多领域振动信号，并建立跨领域数据集，构建深度时频域自适应网络，并使用参数θ初始化所述深度时频域自适应网络，再根据选择的数据集准备超参数调优，用跨领域训练集Ds和Dt训练所述深度时频域自适应网络，输出经过优化的深度时频域自适应网络对测试集Dtest的分类结果，并统计和分析结果。本发明将深度时频域自适应网络应用于故障诊断，该方法提高了在跨域故障诊断场景下的鲁棒性和准确性。

本发明授权一种基于深度时频域自适应网络的轴承系统故障诊断方法在权利要求书中公布了：1.一种基于深度时频域自适应网络的轴承系统故障诊断方法，其特征在于,该方法包括： 步骤S1、数据集准备：收集具有不同故障模式的轴承的多领域振动信号，并建立跨领域数据集，包括标注的源数据集Ds、未标注的目标数据集Dt和测试数据集Dtest； 步骤S2、模型初始化：构建深度时频域自适应网络，并使用参数θ初始化所述深度时频域自适应网络，再根据选择的数据集准备超参数调优； 步骤3S、模型参数最优化：用跨领域训练集Ds和Dt训练所述深度时频域自适应网络； 步骤S4、测试验证：输出经过优化的深度时频域自适应网络对测试集Dtest的分类结果，并统计和分析结果； 所述构建深度时频域自适应网络，包括：利用离散傅里叶变换获得频谱表示、频谱神经层计算、通过迭代的数据解法计算Sinkhorn散度； 所述频谱神经层计算，包括：频谱卷积、频谱池化、频谱激活、以及频谱批量归一化； 所述频谱卷积采用复形卷积类型，给定一个复形输入向量，使用一个复形滤波矩阵进行卷积，其中u和v∈R是实向量，A和B∈R是实矩阵，复形卷积计算表达式为： 其中，表示向量x和矩阵W之间的乘积，符号表示卷积操作，W是一个包含实部和虚部的复数矩阵，x是一个复数向量；A和B表示分别作用于u和v的线性变换，u和v分别表示复数向量x的实部和虚部，i表示虚数单位； 矩阵形式表达式为： 其中，表示复数表达式的实部部分，表示复数表达式的虚部部分； 所述频谱池化基于频率成分的重要性进行操作，保留主要的频率信息，频谱池化过程表达式为： 其中，Y为池化后的输出，Pool表示池化操作，xt为时域信号，f为频率； 所述频谱激活采用基于ReLU的复形激活函数，即为zReLU激活函数，给定复形输入x∈C，zReLU只保留第一象限的值，表达式为： 其中，θ x表示x的相位，满足柯西-黎曼方程中，除了集合中的任意点； 所述频谱批量归一化是通过批量归一化来避免梯度消失，同时用于加速训练，给定一个小批量，其中x i∈C，将此任务视为白化二维向量，表达式为： 其中，表示归一化后得到的数据，E[X]表示矩阵X的期望值，V表示协方差矩阵，表达式为： 其中，V rr，V ri，V ir和V ii分别表示协方差矩阵V中的具体元素，和分别表示矩阵X的实部和虚部，Cov表示协方差运算符号，用于确保具有平均值μ=0，协方差Γ=1和伪协方差Γ=0的标准复形分布；均值、协方差和伪协方差表达式分别为： 其中，表示数据的期望值或均值，表示协方差，表示伪协方差，i表示虚数单位； 频谱批量归一化有两个参数，包括移位参数β和缩放参数，两者都是复形的，缩放参数具有三个自由度，用于确保两个原始主成分的方差均为1，平移参数有两个对应于实部和虚部的可训练值，频谱批量归一化SBN定义为： 其中，SBN表示批量归一化操作的结果，β为移位参数，表示缩放参数，初始化。

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电建集团四川工程有限公司，其通讯地址为：610031 四川省成都市成华区槐树店路38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”。