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！

龙图腾网恭喜安徽大学申请的专利一种旋转机械变工况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：CN115165366B 。

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：202210793046.8，技术领域涉及：G01M13/045；该发明授权一种旋转机械变工况故障诊断方法及系统是由董飞;程志友;阮瑞;程安然;徐正林;张帅;陈思源设计研发完成，并于2022-07-07向国家知识产权局提交的专利申请。

本一种旋转机械变工况故障诊断方法及系统在说明书摘要公布了：本发明公开了一种旋转机械变工况故障诊断方法及系统，涉及故障诊断技术领域，包括以下步骤：获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异；构建各深度特征的可迁移性指标，并采用改进联合分布适应IJDA进行迁移学习，利用迁移学习后的训练特征集训练识别分类器，利用识别分类器进行故障模式识别与分类，输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估，有助于选取更有利于迁移故障诊断的深度特征，诊断准确率高。

本发明授权一种旋转机械变工况故障诊断方法及系统在权利要求书中公布了：1.一种旋转机械变工况故障诊断方法，其特征在于，包括以下步骤：获取旋转机械在已知工况下振动信号的源域数据及待诊断工况下振动信号的目标域数据，分别进行深度特征提取，得到源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数ARI；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异MK-MMD；根据各深度特征的调整兰德指数ARI以及多核最大均值差异MK-MMD，构建各深度特征的可迁移性指标；根据各深度特征的可迁移性指标，采用基于联合分布适应JDA且在优化目标中引入平衡因子的改进联合分布适应IJDA对有标签特征集与无标签特征集分别进行迁移学习，得到迁移学习后的训练特征集；构建识别分类器，利用迁移学习后的训练特征集训练识别分类器，利用训练后的识别分类器对待诊断工况下旋转机械的振动信号进行故障模式识别与分类，输出跨域故障诊断结果；其中，所述根据各深度特征的可迁移性指标，采用基于联合分布适应JDA且在优化目标中引入平衡因子的改进联合分布适应IJDA对有标签特征集与无标签特征集分别进行迁移学习，包括：当有标签特征集为DS＝{x1,y1，...，xns,yns}，无标签特征集为基于有标签特征集DS与无标签特征集DT，得到一个映射变换A；其中，ns为源域样本数；xns为训练样本；yns为源域样本对应的类别标签；nT为目标域样本数；为第ns+nT个测试样本；经A映射变换后的有标签特征集与无标签特征集的边缘概率分布的度量表达式如下： 其中M0为最大均值差异矩阵，其表达式如下： 其中，M0ij为第i个源域样本和第j个目标域样本间的最大均值差异矩阵；i、j分别表示第i个源域样本和第j个目标域样本；xi为第i个源域样本；xj为第j个目标域样本；经A映射变换后的有标签特征集与无标签特征集的边缘概率分布的条件概率分布的最大均值差异距离为： 其中，C为样本类别数； 为目标域中的第c类样本； 为源域中的第c类样本； 为目标域中的第c类样本数量；H为再生核Hilbert空间；ATxS为经矩阵A映射变换后的源域特征样本；ATxT为经矩阵A映射变换后的目标域特征样本；Mc为考虑样本类别的最大均值差异矩阵，其表达式如下： 则改进联合分布适应IJDA的总优化目标为： s.t.ATXHXTA＝I其中，为正则项；ATXHXTA＝I为约束条件；α为平衡因子，α∈[0，1]。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。