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！

龙图腾网获悉中国矿业大学申请的专利一种变工况轴承故障诊断方法、装置、计算机设备及介质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：CN119043717B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202410974635.5，技术领域涉及：G01M13/045；该发明授权一种变工况轴承故障诊断方法、装置、计算机设备及介质是由袁冠;沈刚;张艳梅;周炎;汤裕;李翔;朱真才设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种变工况轴承故障诊断方法、装置、计算机设备及介质在说明书摘要公布了：本发明提供了一种变工况轴承故障诊断方法、装置、计算机设备及介质，属于机械设备故障诊断领域，该方法包括：获取目标轴承的振动信号；构建领域自适应网络模型；所述领域自适应网络模型包括深度残差半收缩小波卷积网络和Softmax分类器；通过动量对比学习、最近邻对比学习、领域辨别器以及最大均值差异度量依次对领域自适应网络模型进行优化，得到轴承故障诊断模型，将目标轴承的振动信号输入轴承故障诊断模型，确定故障原因。这样，通过上下文表示的共性分布以及对多工况情况下的同一故障的特征空间分布进行对齐，实现了对轴承故障的跨域诊断；通过对故障的上下文表示和特征空间分布进行综合考虑，有利于提高诊断结果的准确性。

本发明授权一种变工况轴承故障诊断方法、装置、计算机设备及介质在权利要求书中公布了：1.一种变工况轴承故障诊断方法，其特征在于，包括： 获取目标轴承的振动信号； 构建领域自适应网络模型；所述领域自适应网络模型包括深度残差半收缩小波卷积网络和Softmax分类器； 对领域自适应网络模型进行优化，得到轴承故障诊断模型；具体为通过动量对比学习对深度残差半收缩小波卷积网络进行梯度更新，并结合当前梯度和之前梯度对深度残差半收缩小波卷积网络进行优化，以使深度残差半收缩小波卷积网络提取到输入信号的上下文表示；通过最近邻对比学习实现不同数据域之间上下文表示的对齐，根据对齐结果对深度残差半收缩小波卷积网络进行优化，以使深度残差半收缩小波卷积网络提取到输入信号的上下文不变特征；所述不同数据域表征不同工况下的轴承振动信号；通过领域辨别器识别上下文不变特征来源的数据域，并根据识别结果对深度残差半收缩小波卷积网络进行优化；通过最大均值差异度量确定不同数据域之间的结构对齐损失，根据所述结构对齐损失对深度残差半收缩小波卷积网络进行优化，以使深度残差半收缩小波卷积网络提取到输入信号的域不变特征； 将目标轴承的振动信号输入至轴承故障诊断模型，通过优化后的深度残差半收缩小波卷积网络对振动信号进行特征提取，得到域不变特征，通过Softmax分类器对域不变特征进行分类，根据分类结果确定目标轴承的故障原因； 所述深度残差半收缩小波卷积网络包括提取单元和滤波单元，所述深度残差半收缩小波卷积网络的构建步骤包括： 构建深度残差网络，根据小波卷积对深度残差网络的第一层卷积进行初始化，得到小波权值初始化层作为提取单元；在深度残差网络的软阈值化函数中插入校正系数，得到滤波单元； 根据小波卷积对深度残差网络的第一层卷积进行初始化包括： 构建小波卷积，通过拉普拉斯小波基函数构造对小波卷积进行增强，并根据增强后小波卷积的小波权重对深度残差网络的第一层卷积进行初始化，得到小波权值初始化层； 所述通过拉普拉斯小波基函数构造对小波卷积进行增强，并根据增强后小波卷积的小波权重对深度残差网络的第一层卷积进行初始化包括： 通过拉普拉斯小波基函数构造对小波卷积进行增强，得到增强后的拉普拉斯小波字典： 其中，为时间，为尺度因子，为平移因子，为采样频率，为粘滞阻尼比，为一个小波归一化函数，为时间参数，为自然常数，L为拉普拉斯小波字典的增强标志； 引入尺度平滑因子，并采用Sigmoid激活函数处理指数分量，确定小波权重： 将深度残差网络第一层卷积的卷积核权重初始化为小波权重。

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矿业大学，其通讯地址为：221100 江苏省徐州市铜山区大学路1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”。

以上内容由龙图腾AI智能生成。