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！

龙图腾网获悉重庆大学申请的专利一种基于广义零样本学习的跨多源域工业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：CN119989060B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510164523.8，技术领域涉及：G06F18/24；该发明授权一种基于广义零样本学习的跨多源域工业故障诊断方法是由尹宏鹏;蔡力;张鹏;赵丹丹;王睿设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于广义零样本学习的跨多源域工业故障诊断方法在说明书摘要公布了：本发明涉及一种基于广义零样本学习的跨多源域工业故障诊断方法，属于工业故障诊断领域。该方法通过多分类器和域对齐一致性的联合学习，实现对源域和目标域的故障诊断，且构建一个具有正交约束的潜超球空间用于连接特征空间和语义属性空间，从而提取判别性信息并实现可见和未见故障的诊断。本发明实现了在未见样本缺失的情况下对可见和未见故障的高效和准确诊断，提升了模型的泛化性能与实用性。

本发明授权一种基于广义零样本学习的跨多源域工业故障诊断方法在权利要求书中公布了：1.一种基于广义零样本学习的跨多源域工业故障诊断方法，其特征在于，该方法具体包括以下步骤： S1：多分类器与跨域对齐一致性联合学习； 为每个源域构建独立分类器，并通过对齐源域特征与目标域未标注样本特征，实现源域与目标域间的分布一致性；域对齐策略采用特征最大均值差异方法，以确保源域与目标域的特征分布、多个域之间的域间分布在同一特征空间中得到统一； S2：故障原型及语义嵌入学习； 构建一个具有正交约束的潜空间，用于在特征空间与语义属性空间之间进行映射学习；对于不同源域的可见故障，在训练阶段通过获取相应的样本标签进行学习；通过域对齐技术，将属于特定类别的所有样本进行平均，以获得该类别故障的原型表示；在广义零样本故障诊断的背景下，采用基于语义相似性的策略，通过计算欧氏距离，确定与未见故障相似的可见故障的语义属性描述；通过学习包含未见故障的信息的映射，分别实现特征空间与潜空间以及属性空间与潜空间的连接； S3：故障综合诊断； 基于可见故障，学习一个能够跨多个源域进行分类的模型，并通过域对齐为未标注的目标域训练出具备强泛化能力的分类器；在特征空间、潜空间和故障属性空间中，分别对包含可见故障和未见故障的测试样本进行诊断，同时通过引入多源域学习过程中的可见信息，采用综合诊断策略得到诊断结果； 综合诊断策略具体包括：设权重距离集合为，其中，是特征空间中第i个样本的特征与第j类故障的故障原型之间的权重距离，是潜空间中第i个样本的特征与第j类故障的故障原型之间的权重距离，是属性空间中第i个样本的特征与第j类故障的故障原型之间的权重距离，是测试样本的数量，q是未见类数量；综合标签集通过最小距离空间中对应的标签值来表示；同时需确保该标签值与多源域学习中的分类结果保持一致；样本的标签表示如下： 其中，，表示当i和j确定时向量的第t个元素；是特征空间中第i个样本的预测标签，是潜空间中第i个样本的预测标签，是属性空间中第i个样本的预测标签；预测标签表示如下： 其中，，且，是特征空间中第i个样本的特征与第j类故障的故障原型之间的归一化权重距离，是潜空间中第i个样本的特征与第j类故障的故障原型之间的归一化权重距离，是属性空间中第i个样本的特征与第j类故障的故障原型之间的归一化权重距离；是未见类故障的测试样本数量；表示、和，*分别表示、和中的I、B和，、和分别表示未见类故障原型、未见类故障的潜空间和未见类故障属性，I表示单位矩阵，B表示特征空间与潜空间之间的映射，D表示属性空间与潜空间之间的映射；表示第k个测试样本的特征。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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。