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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统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：CN115560983B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211214916.8，技术领域涉及：G01M13/04；该发明授权一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统是由康守强;杨加伟;王玉静;谢金宝;王庆岩;梁欣涛;宋显华设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统在说明书摘要公布了：本发明提出一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域。本发明的技术要点包括：对滚动轴承时域振动数据做小波变换得到时频谱图，将先验的有标签公共数据作为源域，多用户无标签孤岛隐私数据作为目标域；引入多表示特征提取结构对原始残差网络进行改进，提取源域和目标域的多表示特征，分别构建多用户本地模型；使用深度神经网络的模型压缩思想改进联邦迁移学习框架中的参数传递策略，增强联邦框架的安全性并降低通信开销；在服务器端构建可用于不同工况下滚动轴承故障诊断的联邦全局模型。本发明无需多用户共享数据即可整合孤岛数据知识，具有较高的准确率和较强的泛化性。

本发明授权一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统在权利要求书中公布了：1.一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法，其特征在于，包括以下步骤： 1数据集的构建 选取某工况下公开且已知标签的滚动轴承数据构建源域公共数据集，多个用户利用各自本地无标签的滚动轴承数据分别构建目标域数据集；其中，源域公共数据集和多个目标域数据集的滚动轴承工况互不相同； 2本地模型构建 多个用户中的每个用户利用改进的残差网络提取目标域数据集和源域公共数据集中同一样本的不同表示下的多个特征，在多个特征空间内同时进行特征对齐；每个用户的本地模型的目标函数设置为交叉熵分类损失以及不同表示下的条件最大均值差异损失之和；经过一定次数的迭代训练，目标函数收敛，完成每个用户的本地模型的构建； 3联邦全局故障诊断模型构建 多个用户中的每个用户的本地模型构建完成后，将压缩处理后的模型参数上传至中央服务器，中央服务器端聚合模型参数并下发给各个用户，各个用户利用聚合后模型参数更新本地模型，上述过程称为一次联邦迭代，经过预定次数的联邦迭代，在服务器端得到最终用于不同工况下滚动轴承故障诊断的联邦全局模型； 4模型测试 将多个用户的测试数据集分别输入联邦全局模型，把模型对测试数据的标签预测结果与真实标签作对比，得出各自的分类准确率； 5故障诊断 将滚动轴承待诊断数据输入训练好的联邦全局模型，获取诊断结果。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。