恭喜长沙理工大学孙梅迪获国家专利权
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！
龙图腾网恭喜长沙理工大学申请的专利基于F&K域增量学习的滚动轴承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：CN117419920B 。
龙图腾网通过国家知识产权局官网在2025-04-08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：202311352624.5，技术领域涉及：G01M13/045；该发明授权基于F&K域增量学习的滚动轴承故障诊断方法及系统是由孙梅迪;肖鑫淼;何哲文;陈棠燕;吴公平;何青设计研发完成，并于2023-10-18向国家知识产权局提交的专利申请。
本基于F&K域增量学习的滚动轴承故障诊断方法及系统在说明书摘要公布了：本发明公开了一种基于FK域增量学习的滚动轴承故障诊断方法及系统，方法包括：采集随时间变化连续到来的不同工况下的电机滚动轴承数据样本；对每个工况下的电机滚动轴承数据样本构建筛选列和知识库的可扩展框架，由每个新工况的数据样本与旧工况知识库中的代表性样本混合后筛选得到对应的新工况的代表性样本并保存在对应的知识库中；利用EWC算法，使用旧工况知识库的代表性样本训练模型并使用新工况知识库的代表性样本更新模型参数；根据更新的模型参数获取新工况的故障类别的预测值，得到故障诊断结果。本发明允许模型处理随时间变化连续到来的不同工况的数据，在学习新工况知识的同时有效地保留旧工况的知识，从而更好地进行实时故障诊断。
本发明授权基于F&K域增量学习的滚动轴承故障诊断方法及系统在权利要求书中公布了：1.一种基于FK域增量学习的滚动轴承故障诊断方法，其特征在于，包括：S101采集随时间变化连续到来的不同工况下的电机滚动轴承数据样本；S102对每个工况下的电机滚动轴承数据样本构建筛选列和知识库的可扩展框架，由每个新工况的数据样本与旧工况知识库中的代表性样本混合后筛选得到对应的新工况的代表性样本并保存在对应的知识库中；S103利用EWC算法，使用旧工况知识库的代表性样本训练模型并使用新工况知识库的代表性样本更新模型参数；S104根据更新的模型参数获取新工况的故障类别的预测值，得到故障诊断结果。
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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号