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！

龙图腾网获悉西安交通大学申请的专利一种基于复合权重的机械设备选择性迁移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：CN115221958B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202210841133.6，技术领域涉及：G06F18/24；该发明授权一种基于复合权重的机械设备选择性迁移故障诊断方法是由徐光华;况佳臣;张四聪;陶唐飞;韩丞丞;吴庆强;魏帆;陈晟超设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于复合权重的机械设备选择性迁移故障诊断方法在说明书摘要公布了：一种基于复合权重的机械设备选择性迁移故障诊断方法，先使用采集设备从机械设备上采集各工况运行条件下的振动信号，建立不同工况的数据集；然后构建基于复合权重的选择性迁移网络，包括特征提取器、状态分类器、域鉴别器和基于Wasserstein距离的域适应模块；使用反向传播算法预训练特征提取器和状态识别器；载入预训练权重到选择性迁移网络中，使用反向传播算法训练结束；最后获取该机械设备的选择性迁移故障诊断结果；本发明同时状态分类器和域鉴别器出发，分别获得了类级权重和样本级权重，使用复合加权的模式重加权了状态分类器和基于Wasserstein距离的域适应模块的目标函数，提高了选择性迁移的可靠性，有效实现跨工况机械设备的选择性迁移故障诊断。

本发明授权一种基于复合权重的机械设备选择性迁移故障诊断方法在权利要求书中公布了：1.一种基于复合权重的机械设备选择性迁移故障诊断方法，其特征在于，包括以下步骤： 步骤一：采集机械设备在不同工况下的振动数据，每个工况下对应不同的域； 步骤二：搭建基于复合权重的选择性迁移网络，选择性迁移网络包括一个特征提取器F及可训练参数θF、一个状态分类器C及可训练参数θC、一个域鉴别器D及可训练参数θD、一个基于Wasserstein距离的域适应模块；特征提取器包括源域特征提取器和目标域特征提取器； 对于一个机械设备的智能故障诊断任务，源域数据集为其中ns分别表示源域样本、源域样本标签、源域样本数量；目标域数据集为其中nt分别表示目标域样本、目标域样本数量；在有标签的源域数据下训练特征提取器和状态分类器，利用交叉熵损失函数Lce减小源域上的经验风险损失并获取一个类分离的特征空间，上述过程的优化目标表述为： 其中Lc为分类损失，Fxi为特征提取器提取样本xi的特征，CFxi为分类器的softmax输出，yi是对应的源域样本标签； 域鉴别器被用于区分样本是来自于源域或者目标域，源域和目标域的样本打上域标签di分别是1和0，通过训练得到一个区分源域还是目标域的域鉴别器，该训练过程的优化目标定义如下： 其中Lbce表示二分类交叉熵损失函数； 基于Wasserstein距离的域适应模块被用于获取细粒度的类级别的特征对齐，针对源域分布Ps和目标域分布Pt，Wasserstein距离Lw定义如下： 其中分布P属于联合分布集合ΠPs,Pt，hs和ht表示源域分布的位置和目标域分布的位置；基于Wasserstein距离的域适应模块在模型训练中没有需要更新的参数； 对一个源域上训练的状态分类器，目标域的样本会更多地被分类到目标域和源域共享类别而不是源域独有的类别中，所以预测结果用作一个类级别的权重来选择诊断知识进行迁移；将目标域上的样本输入到源域训练的状态分类器中，源域样本的软标签y'表示为： 因此，类级别权重α由下式计算： 类似的，对训练的域鉴别器，源域的所有样本的伪域标签d'表示为： 因此，样本级别权重βi由下式计算： βi＝1‑d'i，i＝1,2…,ns； 源域样本xi的复合权重wi由下式计算： wi＝βi×αyi|xi，i＝1,2,…,ns； 其中，αyi|xi为源域样本xi的标签为yi的权重，βi为源域样本xi的权重； 使用权重中的最大值对所有的权重标准化如下： wi＝wimaxw，i＝1,2,…,ns； 其中，权重w是训练中的所有样本的权重，该权重即是复合权重模块CCR的加权值； 步骤三：使用反向传播算法对特征提取器和状态分类器进行预训练，并保存特征提取器和状态分类器的参数； 步骤四：将预训练的权重载入到步骤二构建的选择性迁移网络中，总的训练目标为： L＝Lc+Ld+γLw其中，γ是基于Wasserstein距离的域适应模块的权衡参数； 使用复合权重模块CCR对Lc和Lw进行加权获得总的目标函数L，该目标函数通过随机梯度下降Adam算法优化，具体的参数更新规则如下： 其中，和分别为学习率和偏导； 步骤五：将目标域的样本输入到训练好的特征学习器和状态分类器中，获得故障诊断结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。