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！

龙图腾网获悉贵州大学申请的专利一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型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：CN115600093B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211084552.6，技术领域涉及：G06F18/213；该发明授权一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型是由周鹏;杨明宝;李少波;张钧星;张安思;傅广设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型在说明书摘要公布了：本发明公开了一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型，包括特征图转化模块、多深度网络融合迁移模块和知识蒸馏模块,特征图转化模块用于将原始信号数据和负载工况数据，分别归一化后，编码转化到图像的三个通道中；多深度网络融合迁移模块根据特征图转化模块得到的数据，采用parmeterbasedtransferlearning的方式对多个网络同时进行迁移和训练；知识蒸馏模块用于对多深度网络融合迁移模块的模型进行压缩。本发明的多深度网络融合迁移学习多工况旋转机械故障诊断模型对WideResNet模块、ResNeSt模块和ResNet152模块进行集成，降低了模型训练所需时间。

本发明授权一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型在权利要求书中公布了：1.一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断装置，其特征在于：包括特征图转化模块、多深度网络融合迁移模块和知识蒸馏模块,特征图转化模块用于将原始信号数据和负载工况数据，分别归一化后，原始信号数据包括旋转机械的风扇端振动信号数据和驱动端振动信号数据，将归一化后的风扇端振动信号数据、驱动端振动信号数据和负载工况数据分别编码转化到图像的三个通道中；多深度网络融合迁移模块根据特征图转化模块得到的数据，采用parameterbasedtransferlearning的方式对多个网络同时进行迁移和训练；知识蒸馏模块用于对多深度网络融合迁移模块的模型进行压缩； 多深度网络融合模块包括融合的WideResNet模块、ResNeSt模块和ResNet152模块，ResNet152模块使用残差连接，采用BatchNorm对模型进行正则化；WideResNet模块在ResNet152模块基础上减少深度，增加宽度，从宽度方向探索模型优化思路，WideResNet模块采用dropout模块的方法进行正则化，ResNeSt模块在保留ResNet152模块残差连接的思想的基础上，将输入特征图沿着通道维度分为G个基数组，并进一步将基数组拆分为N个模块，于是，第g个基数组的平均池化组合表示如公式1所示： 1， 其中，N表示基数组内的拆分数，H和W分别表示图像的高和宽，Fki,j表示对特征图上i,j像素点在第k个拆分上执行的变换操作，第g个基数组中第n个拆分的注意力计算公式如公式2所示： 2， 式中，表示对第个输入的变换函数，fn表示对第n个输入的变换函数，变换函数是神经网络训练出来的映射； 因此，第g个基数组的注意力加权表示如公式3所示： 3， 其中，表示特征图X在第个拆分上执行的变换操作；最终基数组组合并加上残差项后的表达式如公式4所示： 4， 其中，表示残差项。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学花溪北校区科技处；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。