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！

龙图腾网获悉华南理工大学申请的专利一种面向工业流式数据的增量式元学习在线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：CN117113215B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310918468.8，技术领域涉及：G06F18/2415；该发明授权一种面向工业流式数据的增量式元学习在线故障诊断方法是由李巍华;乐珂;李霁蒲;陈浚彬;陈祝云设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种面向工业流式数据的增量式元学习在线故障诊断方法在说明书摘要公布了：本发明公开了一种面向工业流式数据的增量式元学习在线故障诊断方法，包括以下步骤：S1：通过传感器采集不同工况下不同故障模式的振动信号，划分多个诊断阶段数据集。S2：搭建并训练初始故障诊断模型。S3：引入Herding算法从旧任务训练数据集中选取小批量的代表性样本存入数据缓存模块。S4：从数据缓存模块和新阶段训练数据集中联合随机抽样组成多任务训练集，元训练更新各子任务模型参数。S5：通过动态平衡的元更新策略更新通用模型参数。本发明方法可以挖掘各阶段任务间的通用诊断知识，同时通过设计一种动态元更新策略用于平衡模型对新知识的学习和对旧知识的记忆，使得模型可以快速泛化于新诊断任务，新故障数据以及新生故障模式。

本发明授权一种面向工业流式数据的增量式元学习在线故障诊断方法在权利要求书中公布了：1.一种面向工业流式数据的增量式元学习在线故障诊断方法，其特征在于，包括以下步骤： S1、采集装备在不同工况下不同故障模式的振动加速度响应信号，并将其划分为多组不同诊断阶段的故障数据集； S2、搭建初始故障诊断模型，并通过损失函数训练获得初始模型参数； S3、通过引入Herding算法从旧任务训练数据集中选取小批量的代表性样本存入数据缓存模块，并基于新任务的故障样本数据集和旧诊断任务测试数据模块构建联合测试数据集，为从新任务的故障样本数据集中抽取数据构建的数据集，并基于数据缓存模块和新任务的故障样本数据集构建新阶段的联合训练数据集，其中，表示原始样本，表示故障类别标签，表示样本来自的任务ID； S4、从新阶段的联合训练数据集中随机抽样组成多任务训练集，元训练更新各子任务模型参数； S5、根据各子任务模型参数，通过动态平衡的元更新策略更新通用模型参数； 步骤S2中，初始故障诊断模型包括特征映射网络和故障分类网络，其中，特征映射网络包括一个卷积层，一个批量归一化层，一个最大池化层，四个ResNet模块以及一个全连接层；故障分类网络包括全连接层，用于判别输入样本的故障类别； 训练时，先初始化模型的参数，然后通过平滑标签化的交叉熵损失函数对初始模型进行训练，具体步骤包括： S21、对初始阶段数据集中真实样本的标签进行平滑化操作： ； 其中，表示平滑后的样本标签，表示标签平滑超参数，表示原始故障样本，表示样本对应故障类别标签，表示初始阶段数据集样本数量，表示第一个诊断阶段的故障模式数量； S22、计算标签平滑化后的交叉熵损失函数训练并更新模型参数： 其中，表示对括号内进行Softmax函数处理，表示数据集中的全部故障样本经过括号内运算后得到的输出的平均值，表示原始故障样本经过包括特征映射网络特征提取后的输出，表示原始故障样本经过包括特征映射网络和故障分类网络后的输出。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。