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！

龙图腾网获悉赛峰集团申请的专利通过域适应监测旋转机械的旋转部件的自动化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：CN119256217B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202380041827.4，技术领域涉及：G01M13/045；该发明授权通过域适应监测旋转机械的旋转部件的自动化方法是由尤斯拉·马尔尼西;达尼·阿布德;法迪·卡尔卡菲;纪尧姆·多凯特;穆罕默德·埃尔·巴杜伊设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本通过域适应监测旋转机械的旋转部件的自动化方法在说明书摘要公布了：本发明涉及一种用于基于目标数据库和基于源数据库来自动监测旋转机械的多个旋转部件的方法100，该目标数据库包括来自分布的由每个旋转部件产生的多个时间信号，该源数据库包括来自分布S的多个时间信号，该分布S与由源旋转机械的源旋转部件产生的分布T不同并且该分布S与运行类别相关联，该监测借助于自适应深度学习模型来进行，该自适应深度学习模型使得源分布适应于目标分布成为可能，深度学习模块通过最小化与具有参数σ的高斯核函数有关的代价函数来训练；在每个时期基于分布差异来计算σ，该分布差异通过基于帕斯卡三角形估计的恒定静态值来进行加权。

本发明授权通过域适应监测旋转机械的旋转部件的自动化方法在权利要求书中公布了：1.一种用于从无标记数据库和从源数据库自动监测旋转机械的至少一个旋转部件的方法100，所述无标记数据库称为目标数据库，所述目标数据库包括源自分布T的至少一个时间信号，所述时间信号由所述旋转部件产生，所述源数据库包括源自不同于所述分布T的分布S的多个时间信号，所述源数据库的每个时间信号由源旋转机械的源旋转部件产生，并且与一组运行类别中的一运行类别相关联，所述一组运行类别至少包括标称运行类别和故障运行类别，其特征在于，监测是对旋转机械的nT个旋转部件进行的，并且所述目标数据库包括由表示的多个信号，所述源数据库的多个信号由表示，ns表示所述源数据库中的信号的数量，所述方法包括以下步骤： 101：训练受训练的第一神经网络，所述第一神经网络能够将来自所述一组运行类别的一运行类别与源自分布S的非平稳时间信号相关联，所述第一神经网络包括用于特征提取的第一部分和用于分类的第二部分，所述第一神经网络基于源数据被训练， 102：根据M个数量的训练时期来训练自适应人工神经网络，以获得经训练的人工神经网络，所述经训练的人工神经网络能够将所述一组运行类别中的一类别与源自S和T联合分布的时间信号相关联的，所述自适应人工神经网络包括对应于所述第一神经网络的第一部分的用于特征提取的第一部分、以及用于使所述分布S适应所述分布T且用于分类的第二部分，所述自适应人工神经网络的第一部分包括Nc1个数量的层，所述Nc1是大于或等于1的自然数，并且所述自适应人工神经网络的第二部分包括Nc2个数量的层，所述Nc2是大于或等于1的自然数，所述人工神经网络在所述源数据库和所述目标数据库上同时训练，通过最小化代价函数来执行训练，所述代价函数包括： 第一项，所述第一项对应于：由所述神经网络为所述源数据库的每个信号获得的类别和与所述源数据库的所述信号相关联的所述类别之间的误差； 第二项，所述第二项根据所述源数据库的函数和所述目标数据库的函数之间的至少一个最大均值差异计算，所述代价函数的第二项在属于所述神经网络的第二部分的一个或多个层上进行计算，并且所述代价函数的第二项位于所述第二部分的最后一层之前，所述最大均值差异根据参数的至少一个高斯核函数计算，所述参数根据帕斯卡三角形估计，所述参数与所述高斯核函数的方差有关并且依赖于每个训练时期，阶的所述高斯核函数根据尺寸为的所述帕斯卡三角形的最后一行确定，所述代价函数的第二项在每个时期根据函数来计算，信号集合表示自适应人工神经网络的第m层对于输入的输出，每个信号具有长度，并且信号集合表示所述自适应人工神经网络的第m层对于输入的输出，每个信号具有长度，m是包括在集合Ncc中的整数，所述集合Ncc包括所述第二部分的每个层号，最大均值差异是根据所述集合Ncc计算的，其中： 其中： ，其中是与所述集合有关的所述高斯核函数的方差， ，其中是与所述集合有关的所述高斯核函数的方差， ，其中是与所述集合和所述集合有关的所述高斯核函数的方差， P表示高斯核函数的数量，且是大于或等于1的自然数，每个向量由表示，每个向量由表示，每个向量由表示，并且每个矩阵由表示，所述参数等于集合； 103：使用在所述目标数据库中的每个信号上训练得到的所述自适应人工神经网络，以便将一运行类别与所述信号相关联； 其中，训练所述自适应人工神经网络的步骤102是根据M个数量的时期来进行的，并且对于M个数量的时期的每个时期，在以下子步骤中估计所述参数： 对于每层： 确定，是集合的每个信号的长度与集合的每个信号之间的最大长度， 将每个信号重采样为尺寸为的二维图像，并且将每个信号重采样为尺寸为的二维图像， 在以下子步骤中确定阶高斯核函数的方差： 构建矩阵，所述矩阵表示阶的高斯核，所述矩阵等于：，表示阶的所述帕斯卡三角形的最后一行，而是的转置， 根据公式计算方差，等于所述矩阵的最大值， 在以下子步骤中计算向量： 根据来计算， 根据来计算， 根据来计算， 根据以下公式计算。

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赛峰集团，其通讯地址为：法国巴黎；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。