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！

龙图腾网获悉浙江大学申请的专利一种渐进式知识迁移的多粒度模糊零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：CN116702058B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310615464.2，技术领域涉及：G06F18/2415；该发明授权一种渐进式知识迁移的多粒度模糊零样本故障诊断方法是由赵春晖;陈旭;张堡霖设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种渐进式知识迁移的多粒度模糊零样本故障诊断方法在说明书摘要公布了：本发明公开了一种渐进式知识迁移的多粒度模糊零样本故障诊断方法。首先，本发明将描述故障的属性向量根据由粗到细的信息粒度分为多粒度属性层，并形成多个属性子向量。不同于传统方法直接预测属性向量，本发明设计了渐进式知识迁移属性预测网络，按照从粗到细粒度逐层预测属性子向量。同时，将在上层属性子向量预测中学到的知识迁移到下层属性子向量预测中，提高属性预测精度。基于所获得的预测属性子向量，本发明设计了模糊推断策略，获取加权系数组合，实现了从单个属性层推断故障的概率结果。获取未见故障类别属性向量，通过所设计的多粒度属性层融合策略，将多个属性层推断的故障概率结果融合，最终提供零样本故障诊断结果。通过本发明的技术方案，可以挖掘属性的多粒度特性，并提高工业过程零样本故障诊断中属性预测和故障推断的准确性。

本发明授权一种渐进式知识迁移的多粒度模糊零样本故障诊断方法在权利要求书中公布了：1.一种渐进式知识迁移的多粒度模糊零样本故障诊断方法，其特征在于，包括以下步骤： 步骤1：收集各种工业过程的故障类别，根据故障类别的语义描述信息为每种工业过程故障类别总结属性向量，形成属性向量集； 步骤2：收集各种工业过程的故障类别样本和类别标签，根据类别标签在步骤1的属性向量集中找到对应的属性向量，按照信息粒度由粗到细将属性向量划分为多个属性层，从第一个属性层开始，依次往后拼接属性层，形成多个属性子向量，作为训练数据； 步骤3：构建渐进式知识迁移属性预测网络，使用训练数据训练渐进式知识迁移属性预测网络，对步骤2得到的多个属性子向量进行预测，得到多个预测属性子向量； 步骤4：基于步骤3的多个预测属性子向量，设计模糊推断策略，从多个预测属性子向量中的每个属性层推断故障的概率结果，每个属性层基于训练数据求解概率结果的加权系数组合，多个属性层获得多个加权系数组合； 步骤5：收集各种工业过程的未见故障类别样本，未见故障类别样本是指训练数据中没有出现的故障类别样本，将未见故障类别样本输入渐进式知识迁移属性预测网络，获取多个预测属性子向量，基于步骤4的多个加权系数组合获得多个单属性层综合诊断结果；设计多粒度属性层融合策略，融合多个单属性层综合诊断结果，计算每种未见故障类别的概率，对未见故障类别样本进行诊断。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。