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！

龙图腾网恭喜北京交通大学申请的专利一种基于博弈映射学习的信息融合三相电机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：CN114970744B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210685133.1，技术领域涉及：G06F18/2415；该发明授权一种基于博弈映射学习的信息融合三相电机故障诊断方法是由王彪;任翔宇;秦勇;贾利民设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种基于博弈映射学习的信息融合三相电机故障诊断方法在说明书摘要公布了：一种基于博弈映射学习的信息融合三相电机智能故障诊断方法，通过多个自学习特征映射网络自动提取多传感源的故障特征、构建传感源鉴别器、构建故障模式识别器、使用Adam优化器更新诊断网络参数，来实现三相异步电机的智能故障诊断；本发明通过融合来自不同传感器的故障信息，可诊断的故障类全面覆盖了三相电机的电气类故障与机械类故障，具有诊断精度更高、故障类覆盖范围广鲁棒性更强、稳定性更好的优点，能更好的满足工程实际需求。

本发明授权一种基于博弈映射学习的信息融合三相电机故障诊断方法在权利要求书中公布了：1.一种基于博弈映射学习的信息融合三相电机故障诊断方法，其特征在于，包括以下步骤：1获取不同工况下三相电机的多传感器信号包括振动信号、电流信号、转速信号、声信号，其中，表示第i个样本xi＝{xi1,xi2,…,xiM}的第j个传感器数据，表示维度为H×1的矩阵空间，M为传感器个数，N为信号样本个数，H为每个传感器数据包含的数据点数；2构建M个自学习特征映射网络，与M个传感源相对应，且这M个自学习特征映射网络结构相同，不互相共享参数，用表示，每个自学习特征映射网络由三层卷积层堆叠而成，用于从不同传感器数据中自动提取多传感故障特征并将其映射至公共信息度量空间中；3构建传感源鉴别器，其由三层全连接层组成，用D·表示，用于识别公共信息度量空间中各类故障特征的传感数据来源；4构建故障模式识别器，结构为三层全连接网络，用C·表示，用于识别输入样本的故障类别；5训练传感源鉴别器D·，最小化传感源鉴别损失，使其能够最大限度地区分公共信息度量空间中的故障特征的传感来源；同时训练M个自学习特征映射网络最大化传感源鉴别损失，使得不同传感器数据映射到公共信息度量空间中的故障特征差异性最小，难以被区分；即传感源鉴别器D·与自学习特征映射网络之间进行“零和博弈”；构建相关性损失，训练M个自学习特征映射网络最小化相关性损失，进一步使得公共信息度量空间中的多传感故障特征在类内更加聚集，在类间更加分散；经过迭代使得样本的不同传感器数据经过不同的特征映射网络得到的多传感故障特征在同类故障内差异性最小，异类故障间差异性最大；最后将公共信息度量空间中的多传感故障特征融合后作为故障模式识别器的输入，进行故障诊断；其中，步骤2具体包括以下步骤：2.1自学习特征映射网络的输入为样本xi＝{xi1,xi2,…,xiM}的一个传感器数据xij，将xij通过线性整流单元Rectifiedlinearunit，ReLU进行激活操作，利用卷积核kl与激活后的数据进行卷积，得到向量uij，计算表达式如下：uij＝σkl*xij+bl式中，kl为该卷积层卷积核，bl为偏置项，*代表卷积运算，σ·表示线性整流单元；2.2对向量uij进行平均池化，获取无重叠池化区域内元素的平均值，得到池化后的向量为yij，计算表达式如下：yij＝pooluij,p,s其中，pool·表示平均池化函数，p为池化尺寸，s为池化移动步长；2.3将向量yij再次执行步骤a和b，再将得到向量平铺为一维向量，最终得到故障特征Xij。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。