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！

龙图腾网获悉国家高速列车青岛技术创新中心申请的专利旋转机械部件高置信度加权迁移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：CN121030576B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511553425.X，技术领域涉及：G06F18/2431；该发明授权旋转机械部件高置信度加权迁移诊断方法是由范龙庆;刘韶庆;赵兴旺;柏德国设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本旋转机械部件高置信度加权迁移诊断方法在说明书摘要公布了：本发明公开了一种旋转机械部件高置信度加权迁移诊断方法，属于故障诊断技术领域。方法包括：获取源域与目标域的振动信号，源域的振动信号为已知故障类别的标记振动信号，目标域的振动信号为未标记振动信号；对振动信号进行时频域特征提取，获得源域特征和目标域特征；对目标域特征进行高置信度过滤，将目标域中的未标记振动信号分离为已知故障样本和未知故障样本，生成用于加权迁移的置信度权重；进行源域与目标域的知识迁移，通过对抗学习对齐源域与目标域的已知故障特征分布，并抑制未知故障对迁移过程的干扰，输出目标域故障诊断结果。本发明提供的旋转机械部件高置信度加权迁移诊断方法可以有效分离未知故障，提升迁移诊断精度与鲁棒性。

本发明授权旋转机械部件高置信度加权迁移诊断方法在权利要求书中公布了：1.一种旋转机械部件高置信度加权迁移诊断方法，其特征在于，包括： S1、通过数据采集模块获取源域与目标域的振动信号，源域的振动信号为已知故障类别的标记振动信号，目标域的振动信号为未标记振动信号，未标记振动信号包括与源域中相同的已知故障类别及源域中不存在的未知故障类别； S2、利用特征提取模块对振动信号进行时频域特征提取，获得源域特征和目标域特征； S3、通过开放权重生成模块对目标域特征进行高置信度过滤，将目标域中的未标记振动信号分离为已知故障样本和未知故障样本，生成用于加权迁移的置信度权重； S4、基于加权迁移模块实现源域与目标域的知识迁移，通过对抗学习对齐源域与目标域的已知故障特征分布，并抑制未知故障对迁移过程的干扰，输出目标域故障诊断结果； 其中，步骤S3具体包括： S31、构建多二元分类器集合，所述多二元分类器集合包含与源域已知故障类别数量相等的二元分类器，每个二元分类器对应一个已知故障类别，通过源域的标记振动信号训练，输出目标域样本属于对应已知故障类别的概率； S32、计算目标域样本与源域已知故障类别的相似度，所述相似度为目标域样本在多二元分类器集合中输出的所有概率的最大值，对所有目标域样本的相似度进行排序，筛选出相似度最高和最低的极端样本； S33、基于所述最高和最低的极端样本训练细粒度二值分类器，输出目标域样本属于未知故障类别的概率，将该概率作为置信度权重； 步骤S4具体包括： S41、构建加权迁移模块，所述加权迁移模块包含扩展分类器和域鉴别器，其中扩展分类器在源域已知故障类别的基础上增加一个未知故障神经元，域鉴别器用于区分特征来自源域还是目标域； S42、通过扩展分类器对源域特征进行监督学习，利用源域分类损失挖掘已知故障特征，同时基于开放权重生成模块输出的置信度权重，对目标域中已知故障样本赋予高权重、未知故障样本赋予低权重； S43、通过域鉴别器与特征提取模块的对抗学习，对齐源域与目标域中已知故障的特征分布，对抗过程中通过加权机制降低未知故障样本对域对齐的干扰； S44、引入熵最小化损失增强目标域已知故障类别的区分度，联合源域分类损失、加权对抗迁移损失和熵最小化损失训练模型，输出目标域故障诊断结果。

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国家高速列车青岛技术创新中心，其通讯地址为：266108 山东省青岛市城阳区锦宏西路188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。