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！

龙图腾网获悉杭州电子科技大学申请的专利一种重放增强原型网络的轴承持续故障检测方法及系统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：CN121388954B 。

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：202511971982.3，技术领域涉及：G06F18/2433；该发明授权一种重放增强原型网络的轴承持续故障检测方法及系统是由冯静;丁帆;李轶;章振杰;徐晓滨;侯平智设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种重放增强原型网络的轴承持续故障检测方法及系统在说明书摘要公布了：本发明公开了一种重放增强原型网络的轴承持续故障检测方法及系统，该方法首先基于滚动轴承故障数据进行预处理。其次构建时序特征提取器和类别特征建模体系，得到初始诊断模型，基于预处理后的故障数据，针对已知故障类别，通过联合损失函数训练初始诊断模型。待检测样本输入训练后的初始诊断模型，判断是否为新类别，以检测到的新类别为对象，基于原型扩展机制更新类别原型库，构建增量训练数据集实现增量迭代优化。最后基于新类别和已知类别的测试集数据，增量优化后的REIPN模型输出故障检测结果，并进行性能评估。本发明显著降低重新训练的时间成本，突破传统故障诊断模型在新类别扩展方面的局限性。

本发明授权一种重放增强原型网络的轴承持续故障检测方法及系统在权利要求书中公布了：1.一种重放增强原型网络的轴承持续故障检测方法，其特征在于，包括以下步骤： S1：基于滚动轴承故障数据，并进行数据预处理； S2：采用WDCNN构建时序特征提取器，结合可学习原型层构建类别特征建模体系，得到初始诊断模型REIPN； S3：基于预处理后的故障数据，针对已知故障类别，基于时序特征提取器提取的特征与类别特征建模体系，通过联合损失函数训练初始诊断模型REIPN； 所述通过联合损失函数训练初始诊断模型REIPN具体过程如下： 定义联合损失函数：将第个样本经过特征提取器得到的特征向量与第个故障类别的可学习原型向量计算交叉熵损失和原型对比损失；然后将交叉熵损失和原型对比损失进行加权求和得到联合损失函数； 模型训练：选取优化器，输入已知类别训练集，通过多轮迭代训练，每轮基于验证集性能评估并保存最佳模型； 构建重放缓冲区：从已知类别训练集中，每类选取固定数量且与对应类别原型相似度最高的前个样本进行存储； S4：待检测样本输入训练后的初始诊断模型REIPN，判断是否为新类别； S5：以检测到的新类别为对象，基于原型扩展机制更新类别原型库，构建增量训练数据集，实现增量迭代优化，具体实现如下： S5.1、原型扩展：将经S4识别并确认的新类别样本输入至由S3训练完成的REIPN模型中，利用其WDCNN特征提取器获取对应的特征向量，计算该类所有样本特征向量的均值并归一化，得到新类别的原型，完成原型库的更新； S5.2、重放缓冲区更新：从新类别的样本集中选择与原型相似度最高的前个样本放入缓冲区进行存储，保持每类样本量一致； S5.3、增量训练：合并缓冲区与新类别样本作为训练数据，加载S3保存的最佳模型并冻结底层参数，基于S3的联合损失函数对上层参数和原型进行增量优化； S6：基于新类别以及已知类别的测试集数据，增量优化后的REIPN模型输出故障检测结果，并进行性能评估。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。