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！

龙图腾网获悉昆明理工大学申请的专利基于异构信号的跨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：CN121113485B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511684570.1，技术领域涉及：G01M13/00；该发明授权基于异构信号的跨设备故障诊断方法是由刘畅;薛方勇;贺飞飞;杨雷设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本基于异构信号的跨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异构信号的跨设备故障诊断方法，属于跨设备故障诊断技术领域。方法包括：依据声学信号和多个源域振动数据集中的振动信号，构建声学特征数据集和多源振动特征数据集；将多源振动特征数据集按照第一预设比例随机划分为第一训练集和第一测试集；依据声学特征数据集、多源振动特征数据集，构建小样本声振配对训练集、第二验证集和第二测试集；依据第一训练集和第一测试集对振动教师模型进行预训练和测试，生成预训练振动教师模型；依据小样本声振配对训练集和第二验证集，利用预训练振动教师模型提取的振动知识指导轻量化学生模型在声学信号上训练。本发明实现了小样本和跨设备条件下基于声学信号的异常检测。

本发明授权基于异构信号的跨设备故障诊断方法在权利要求书中公布了：1.一种基于异构信号的跨设备故障诊断方法，其特征在于，包括： S1、使用接触式方式采集多台源设备上测试对象的振动信号，构建多个源域振动数据集；使用非接触式方式采集目标设备上测试对象的声学信号； S2、依据所述声学信号和多个所述源域振动数据集中的振动信号，构建声学特征数据集和多源振动特征数据集； S3、将多源振动特征数据集按照第一预设比例随机划分为第一训练集和第一测试集； S4、依据声学特征数据集、多源振动特征数据集，构建小样本声振配对训练集、第二验证集和第二测试集； S5、构建知识蒸馏框架，所述知识蒸馏框架包括振动教师模型、轻量化学生模型；依据第一训练集和第一测试集对振动教师模型进行预训练和测试，生成预训练振动教师模型；依据小样本声振配对训练集和第二验证集，利用预训练振动教师模型提取的振动知识指导轻量化学生模型在声学信号上训练，实现振动知识迁移; 所述S2，具体包括： S21、对所述声学信号和多个所述源域振动数据集中的振动信号，分别采用滑动窗口法进行数据增强，生成增强后的时域声学信号样本集和多个源时域振动信号样本集； S22、在预设频带范围内，对所述增强后的时域声学信号样本集和多个源时域振动信号样本集中的样本分别提取对应的中心频率点带宽上的13倍频程特征； S23、对多台所述源设备各自的13倍频程特征维度、目标设备的13倍频程特征维度进行特征维度截断处理，获得多台所述源设备截断后的13倍频程特征及目标设备截断后的13倍频程特征； S24、对多台所述源设备截断后的13倍频程特征及目标设备截断后的13倍频程特征进行预处理，获得预处理13倍频程特征；将多台所述源设备的预处理13倍频程特征进行整合构建多源振动特征数据集，将目标设备的预处理13倍频程特征构建声学特征数据集； 所述S5，具体包括： S51、构建知识蒸馏框架：所述振动教师模型以ResNet-18作为基础架构，对ResNet-18中卷积层实施二维至一维的降维改造：将二维卷积核替换为一维卷积核，并缩减卷积层通道维度；通过改造构建出轻量化的一维改进架构1D-ResNet-18作为振动教师模型；所述轻量化学生模型以轻量化的一维改进架构1D-ResNet-18为基础，通过缩减残差块数量至1个，并在残差块后引入最大池化层，构建出轻量化学生模型1D-ResNet-6； S52、振动教师模型预训练：依据第一训练集和第一测试集对振动教师模型进行预训练和测试，生成预训练振动教师模型； S53、在小样本声振配对训练集上进行知识蒸馏训练时，每个epoch训练过程中，预训练振动教师模型接收小样本声振配对训练集中振动样本作为输入，而轻量化学生模型则接收小样本声振配对训练集中具有相同类别标签的声学样本作为输入；通过预训练振动教师模型输出经过温度软化的软标签与轻量化学生模型预测的经过温度软化的软标签构成蒸馏损失；轻量化学生模型预测的标签与真实标签计算硬损失；最终得到包括蒸馏损失和硬损失的总损失函数；接着在第二验证集上进行验证，并优化知识蒸馏过程中的超参数，最终得到经过知识蒸馏迁移的增强学生模型。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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。