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！

龙图腾网获悉南京信息工程大学申请的专利一种补标记约束下的工业设备故障诊断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：CN121614991B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610148910.7，技术领域涉及：G06F18/2415；该发明授权一种补标记约束下的工业设备故障诊断方法及系统是由汤龙;赵继宇设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本一种补标记约束下的工业设备故障诊断方法及系统在说明书摘要公布了：本发明公开了一种补标记约束下的工业设备故障诊断方法及系统，属于工业智能运维与故障预测健康管理技术领域。方法包括：采集设备振动信号并预处理；构建一个基于一维残差的双头深度网络作为补标记学习模型；利用基于最大似然估计的补标记生成联合概率化损失函数，使模型从“否定性”标签中学习故障特征；利用训练好的模型实现高精度故障分类。本发明将弱监督学习中的补标记学习范式应用于工业设备故障诊断，在CWRU、MFPT等多个标准轴承数据集上取得了超过90%的诊断准确率，该方法显著降低了数据标注门槛，有效解决了工业场景中故障样本稀缺、标注困难的痛点，具有重要的实际应用价值。

本发明授权一种补标记约束下的工业设备故障诊断方法及系统在权利要求书中公布了：1.一种补标记约束下的工业设备故障诊断方法，其特征在于，包括以下步骤： 获取目标工业设备在运行状态下产生的原始振动信号； 对所述原始振动信号进行预处理，所述预处理至少包括信号切片、归一化操作，以形成符合模型输入格式的标准化样本序列； 构建基于深度学习的故障诊断模型，所述模型包括一个深度特征提取网络以及两个输出层，其中深度特征提取网络用于提取深度特征向量，第一输出层用于拟合故障状态的概率分布，第二输出层用于拟合补标记生成的概率分布； 构建训练数据集并执行模型训练流程，训练数据集包括样本序列和每个样本的补标记集，样本的补标记为所述样本不属于的故障状态标签；训练数据集输入故障诊断模型，经由深度特征提取网络得到深度特征向量，深度特征向量分别通过两个输出层，输出相应概率分布；根据两个概率分布计算基于最大似然估计的联合概率化损失函数值，利用反向传播算法，通过最小化损失，更新故障诊断模型中的所有可训练参数；其中基于最大似然估计的联合概率化损失函数具体为： ； 其中，表示联合概率化损失函数，表示训练数据集，表示样本的补标记集，表示所有故障状态的集合，包括正常状态和各种故障类别；表示样本的候选真实类别集合；为第一输出层输出的先验概率，表示样本属于故障类别的先验概率分布，表示样本属于故障类别的先验概率分布；表示第二输出层的输出经重塑后的矩阵元素，用于拟合在真实类别为的条件下，类别被选为补标记的条件概率，为模型参数，指第二输出层中用于计算矩阵第个元素值的权重参数； 将待诊断的工业设备振动信号经相同预处理后形成的样本，输入至已完成训练的故障诊断模型，获取样本属于各个故障状态的概率，将其中具有最大概率值所对应的故障状态，判定为待诊断振动信号的最终诊断结果。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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。