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基于事件相机与脉冲神经网络的变工况机械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：CN117131408B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202311119360.9，技术领域涉及：G06F18/24；该发明授权基于事件相机与脉冲神经网络的变工况机械故障诊断方法是由李响;陈欣瑞;雷亚国;李乃鹏;杨彬;曹军义;武通海设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本基于事件相机与脉冲神经网络的变工况机械故障诊断方法在说明书摘要公布了：一种基于事件相机与脉冲神经网络的变工况机械故障诊断方法，首先采用事件相机对旋转机械的振动信号进行异步采集，从而获得旋转机械的原始事件流数据；其次通过原始事件流数据构建脉冲数据表征；再次通过脉冲数据表征构建脉冲事件数据集；之后构建卷积形式的脉冲神经网络智能诊断模型，并且将脉冲事件数据集的训练集送入智能诊断模型进行训练，以获得深层的脉冲特征表示；然后压缩其在时间维度上的特征，分别计算各项损失，优化并且更新模型的参数，直至模型收敛；本发明可以从不同的工况下中提取域不变特征，而无需目标域机器故障数据，并且节省了深度智能诊断模型的计算量，提升了深度智能诊断模型在实际工程场景中的适用性。

本发明授权基于事件相机与脉冲神经网络的变工况机械故障诊断方法在权利要求书中公布了：1.一种基于事件相机与脉冲神经网络的变工况机械故障诊断方法，其特征在于，包括以下步骤： 步骤1：采用事件相机对旋转机械的振动信号进行异步采集，从而获得旋转机械的原始事件流数据； 步骤2：对步骤1获取的原始事件流数据进行处理，针对步骤1中使用事件相机采集的原始事件流数据，设置一个矩形区域作为边界，并且对在边界内事件进行空间标准化处理与时间标准化处理，构建脉冲数据表征； 步骤3：将步骤2构建的脉冲数据表征进行划分，构建脉冲事件数据集； 所述的步骤3具体为： 将步骤2构建的脉冲数据表征首先划分为源域以及目标域其中Nsou为源域中的样本总数，Ntar为目标域中的样本总数，dj为第j个脉冲事件样本，lj为样本dj对应的标签；源域中的数据包含类别对应的标签，而目标域中的数据不做处理；之后构建训练集为： 其中Ntrain为目标域中用于训练的样本总数，训练集包含源域中的全部数据以及目标域中部分不包含故障状态的数据，测试集为目标域中其余包含所有健康状态的数据： 其中Ntest为目标域中用于测试的样本总数； 步骤4：构建卷积形式的初始脉冲神经网络智能诊断模型，先使用两个卷积层分别提取数据浅层以及深层特征，并使用两个最大池化层对数据浅层以及深层特征进行压缩，在每个最大池化层之后，均使用LIF脉冲层作为激活函数；最后，处理后的高维特征被展平并通过两个线性层以及一个LIF脉冲层输出； 步骤5：将步骤3获得的脉冲事件数据集的训练集送入步骤4构建的初始脉冲神经网络智能诊断模型进行训练，以获得源域与目标域的深层脉冲特征表示； 步骤6：对步骤5获得的源域与目标域深层脉冲特征表示，压缩其在时间维度上的特征； 步骤7：采用步骤6获得的压缩后的源域与目标域深层脉冲特征，分别计算分类损失Lcls、域迁移损失LMMD、类间分离损失Linter以及类内密集损失Lintra，优化并且更新智能诊断模型的参数； 步骤8：重复执行步骤5-步骤7，迭代并且优化智能诊断模型，直至训练完成，获得最终脉冲神经网络智能诊断模型； 步骤9：将包含故障数据的测试集输入最终脉冲神经网络智能诊断模型，获得目标域上对应类别的标签。

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”。

以上内容由龙图腾AI智能生成。