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！

龙图腾网获悉江苏大学申请的专利一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法和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：CN116431989B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310397376.X，技术领域涉及：G06F18/10；该发明授权一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法和系统是由樊薇;杨晨曦;陈赛赛;陈超;周潼;宋向金设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法和系统在说明书摘要公布了：本发明提供一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法和系统，包括以下步骤：首先采用极大离散小波包变换MODWPT与均方根的轴承信号的时频特征代替传统的时域、频域用于表示轴承信号；再使用小波核代替原有核函数，并在此基础上提出高维空间的小波核扩散的方法代替原有的欧式距离来对已知数据在测试集中进行标签扩散；最后使用双阶段SVM提高模型的分类准确率，具体为粗分阶段获得其边界样本，细分阶段对小波核扩散样本以及边界样本进行学习，最终得到测试集的分类结果。该方法在降低训练集的样本个数的同时避免了在半监督过程中不具备增量学习能力的问题，可提升复合轴承故障的线性可分性，有着较高的分类准确率。

本发明授权一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法和系统在权利要求书中公布了：1.一种基于双阶段SVM与小波核扩散的半监督轴承复合故障分类方法，其特征在于，包括以下步骤： 步骤S1、特征提取：将监测到的信号输入，进行时频特征提取获得轴承信号特征； 步骤S2、标签扩散：划分数据集，利用已知标签信息通过增量式核扩散方法在测试集中进行标签扩散； 步骤2的具体过程如下： 步骤S21、对已知标签样本x通过墨西哥草帽小波核函数kxi▪xj进行高维映射获得已知样本的高维核矩阵； 步骤S22、取均值获得核均值向量xm，对N个测试集数据与训练集进行高维映射获得N个核向量； 对核均值向量xm与N个核向量计算如下： 6； 其中，m表示迭代次数以及最终扩散样本个数，N表示未知样本个数；取最小值为最小核差异，对应向量即为最小核差异向量； 步骤S23、对最小核差异在的核向量进行核矩阵扩充，若取原核矩阵为Xm则新核矩阵为: 7； 步骤S24、依据设定扩展样本个数iter，重复步骤S1至步骤S3，获得扩散样本序列以及扩散后的核矩阵； 步骤S3、类别粗分：在一对多编码条件下对单类已知进行核扩散，使用较低的惩罚参数获得初始预测标签；随后在高惩罚参数下进行重分类，比较两次预测得分获得边界样本； 步骤S4、类别细分：将步骤S3获取的边界样本在低维条件下使用欧式距离进行伪标签赋予；在一对一编码条件下，使用伪标签以及扩散标签方法完成对测试数据的分类。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。