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！

龙图腾网获悉合肥工业大学申请的专利基于对抗迁移学习和类别平衡损失的设备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：CN117312950B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202311260807.4，技术领域涉及：G06F18/241；该发明授权基于对抗迁移学习和类别平衡损失的设备故障诊断方法是由伍章俊;王逸飞;方刚;许仁礼设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本基于对抗迁移学习和类别平衡损失的设备故障诊断方法在说明书摘要公布了：本发明公开了一种基于对抗迁移学习和类别平衡损失的设备故障诊断方法，步骤包括：1对采集的原始信号数据进行预处理并构建源域和目标域样本集；2构建类非均衡对抗迁移学习网络；3采用联合优化的方式训练类非均衡对抗迁移学习网络模型，优化模型参数；4将目标域样本集中的测试样本输入到训练好的模型中，获得设备的故障诊断结果。本发明能实现油气管道在不同工作条件下的故障诊断，并能够很好地应对机械实际工况下故障状态较少而引起的类非均衡问题，从而提升故障诊断效果和泛化性能。

本发明授权基于对抗迁移学习和类别平衡损失的设备故障诊断方法在权利要求书中公布了：1.一种基于领域对抗迁移学习和类别平衡损失的设备故障诊断方法，其特征在于，包括以下步骤： 步骤1、对采集的原始信号数据进行预处理并构建源域和目标域样本集： 步骤1.1、获取设备在某种工作条件下的多传感器监测信号数据并设定为源域数据，获取设备在其他工作条件下的多传感器监测信号数据并设定为目标域数据；并对所有监测信号数据进行归一化处理，获得归一化后的源域数据和归一化后的目标域数据； 步骤1.2、采用滑动时间窗口方法对归一化后的源域数据进行样本划分，得到源域样本集其中，N代表源域样本数量，为第i个源域样本，代表第i个滑动窗口内的源域多传感器监测信号数据，表示第i个滑动窗口内第k个源域传感器监测信号数据，K代表传感器个数，l代表时间窗口的大小；yi为对应的健康状态标签，yi∈{1,2,…,C}；C表示健康状态类别数；为对应的域标签； 步骤1.3、按照步骤1.2的过程对归一化后的目标域数据进行样本划分，得到目标域样本其中，M代表目标域样本个数，为第j个目标域样本，表示第j个滑动窗口内第k个目标域传感器监测信号数据；代表对应的域标签； 步骤2、构建类非均衡对抗迁移学习网络，包括：公共特征提取器Pe、非均衡分类器Ic、领域判别器Ddc； 步骤2.1、构建公共特征提取器Pe是依次由K个含有W层深度可分离卷积层的分支和一个多传感器注意力机制分支构成；每个深度可分离卷积层依次由一个逐点卷积层和一个深度卷积层组成；所述多传感器注意力机制分支依次由一个全局平均池化层和两层全连接层组成；且第一层全连接层后接入一个ReLU激活函数，第二层全连接层后接入一个Sigmoid激活函数； 第i个源域样本输入所述的公共特征提取器Pe中，通过K个深度可分离卷积层分支分别对样本内的源域多传感器监测信号数据依次进行W层卷积处理，相应输出K个传感器深度特征向量再一起输入传感器注意力机制分支中进行处理，得到第i个源域深度特征向量其中，表示第i个源域样本内第k个传感器监测信号的深度特征向量； 第j个目标域样本输入到所述公共特征提取器Pe中进行处理，得到第j个目标域深度特征向量 步骤2.2、构建领域判别器Ddc依次由一层梯度反转层、F层全连接网络和1层Softmax激活函数组成；且每个全连接层后采用ReLU激活函数作为激活函数； 第i个源域深度特征向量输入到所述领域判别器Ddc中经过领域识别，得到的领域判别结果 第j个目标域深度特征向量输入到所述领域判别器Ddc中经过领域识别，得到的领域判别结果 步骤2.3、构建非均衡分类器Ic依次由F层全连接网络和1层Softmax激活函数组成；且每个全连接层后采用ReLU激活函数作为激活函数； 第i个源域深度特征向量输入到所述非均衡分类器Ic中进行健康状态识别，得到对应真实样本标签的预测结果 步骤3、构建由类非均衡的焦点损失函数Lcb和对抗领域自适应学习损失函数Ldac组成的全局目标函数L，并采用梯度下降法对所述类非均衡对抗迁移学习网络进行训练，并最小化所述全局目标函数L直到收敛为止，从而得到最优的设备故障诊断模型，接着对于未参与训练的目标域样本进行检测，从而得到设备的健康状态。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。