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！

龙图腾网获悉西安交通大学申请的专利一种机械设备故障诊断方法、装置、设备及可读存储介质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：CN115688040B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211394339.5，技术领域涉及：G06F18/2433；该发明授权一种机械设备故障诊断方法、装置、设备及可读存储介质是由温广瑞;邓帅卿;雷子豪;周浩轩;田飞宇;苏宇;李良博;刘子岷;王恩秀设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种机械设备故障诊断方法、装置、设备及可读存储介质在说明书摘要公布了：本发明公开了一种机械设备故障诊断方法、装置、设备及可读存储介质，获取与待诊断机械设备相同或同类型机械设备在第一工况下的已知故障信息的多源频域信号，将第一工况下的已知故障信息的多源频域信号作为源域数据集；获取待诊断机械设备在第二工况下的未知故障信息的多源频域信号，将第二工况下的未知故障信息的多源频域信号作为目标域数据集；利用源域数据集和目标域数据集训练多源密集自适应对抗网络模型，得到机械设备故障诊断模型；将实时获取的待诊断机械设备在第二工况下的多源频域信号输入机械设备故障诊断模型，输出故障诊断结果。本发明能够在数据级融合和特征级融合中更好地利用机械设备多源信息。

本发明授权一种机械设备故障诊断方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种机械设备故障诊断方法，其特征在于，包括： 获取与待诊断机械设备相同或同类型机械设备在第一工况下的已知故障信息的多源频域信号，将所述与待诊断机械设备相同或同类型机械设备在第一工况下的已知故障信息的多源频域信号作为源域数据集；获取待诊断机械设备在第二工况下的未知故障信息的多源频域信号，将所述待诊断机械设备在第二工况下的未知故障信息的多源频域信号作为目标域数据集； 利用所述源域数据集和所述目标域数据集训练多源密集自适应对抗网络模型，得到机械设备故障诊断模型，其中，所述多源密集自适应对抗网络模型包括由融合卷积块和密集卷积网络依次堆叠形成的无监督特征提取器，所述融合卷积块包括并行设置的经典卷积和空洞卷积，所述无监督特征提取器后设置有故障类型分类器和域鉴别器，所述故障类型分类器由全局平均池化层、全连接层和softmax层依次堆叠形成，所述域鉴别器设置在所述故障类型分类器的全连接层后；训练过程包括：设置所述多源密集自适应对抗网络模型的训练迭代次数，将所述源域数据集和所述目标域数据集输入所述多源密集自适应对抗网络模型，所述经典卷积和所述空洞卷积均对所述源域数据集和所述目标域数据集进行卷积操作，得到源域经典卷积特征集、目标域经典卷积特征集、源域空洞卷积特征集和目标域空洞卷积特征集，将所述源域经典卷积特征集和所述源域空洞卷积特征集中的特征在通道维度依次串联，得到源域融合卷积特征集，将所述目标域经典卷积特征集和所述目标域空洞卷积特征集中的特征在通道维度依次串联，得到目标域融合卷积特征集，所述密集卷积网络提取所述源域融合卷积特征集和所述目标域融合卷积特征集中的深层特征，得到源域深层特征集和目标域深层特征集； 所述多源密集自适应对抗网络模型的损失函数为改进的跨域自适应联合损失函数，所述改进的跨域自适应联合损失函数为： 式中，、和分别表示、和函数待优化的参数；和是可调整的超参数；是源域故障类型数据集中的分类预测概率和源域样本的样本标签之间的交叉熵损失函数；是所述源域全局平均池化特征集和所述目标域全局平均池化特征集之间的深度相关对齐损失函数；是源域和目标域间的熵条件多线性映射域对抗损失函数，其中表示最小化所述故障类型分类器和所述无监督特征提取器，为对来自于源域数据集的所述源域样本和所述源域样本的样本标签进行处理后求取平均值；为对来自于源域数据集的所述源域样本进行处理后求取平均值；为对来自于目标域数据集的目标域样本进行处理后求取平均值，所述目标域样本为第二工况下的多源频域信号；为交叉熵损失函数；分别表示所述源域故障类型数据集中的第i个所述源域样本的分类预测概率和所述源域样本的样本标签；是一个可调节的超参数，它控制所述故障类型分类器损失和所述域鉴别器损失之间的平衡；表示来自所述源域数据集的第个源域样本的熵权重，表示来自所述目标域数据集的第个目标域样本的熵权重；为源域样本和目标域样本的熵权重；代表源域样本和目标域样本的熵；是所述源域故障类型数据集和目标域故障类型数据集中的样本属于第个健康状态的分类预测概率；表示所述域鉴别器的域判别操作；表示来自所述源域数据集的第个源域样本的多线性映射结果，表示来自所述目标域数据集的第个目标域样本的多线性映射结果；表示多线性映射结果；表示普通的多线性映射，表示随机多线性映射；为源域全连接层特征集和目标域全连接层特征集中的深层特征；是所述源域故障类型数据集和所述目标域故障类型数据集中的分类预测概率；表示所述深层特征和所述分类预测概率的多线性映射操作；表示逐元素乘积；和分别代表从所述深层特征和所述分类预测概率采样的随机矩阵；d为多线性映射的维数；为所述深层特征的维数；为所述分类预测概率的维数； 实时获取所述待诊断机械设备在所述第二工况下的多源频域信号，将实时获取的所述待诊断机械设备在所述第二工况下的多源频域信号输入所述机械设备故障诊断模型，输出故障诊断结果。

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西安交通大学，其通讯地址为：710048 陕西省西安市碑林区咸宁西路28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。