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！

龙图腾网恭喜重庆大学申请的专利基于异构联邦域泛化网络的智能故障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：CN116701998B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202310628150.6，技术领域涉及：G06F18/24；该发明授权基于异构联邦域泛化网络的智能故障迁移诊断方法是由秦毅;钱泉;蒲华燕;毛永芳;周江洪设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本基于异构联邦域泛化网络的智能故障迁移诊断方法在说明书摘要公布了：本发明涉及一种基于异构联邦域泛化网络的智能故障迁移诊断方法，属于机械故障迁移诊断领域。该方法包括：构建DDA模型；搭建基于MIWM机制的HFDGN；S4：将源客户端的所有辅助域中和目标客户端的源域中划分好的训练样本输入到构建好的DDA模型中，利用DDA模型中的优化目标函数去训练对应的本地客户端模型；S5：将训练好的DDA模型的参数上传到中央服务器，然后利用搭建的HFDGN网络进行联邦迁移故障；S6：经过多次迭代训练，误差曲线趋于稳定，HFDGN网络训练完成，将训练好的HFDGN网络用于异构多源联邦迁移诊断。本发明能满足实际工程中高数据利用率和实时诊断的应用要求。

本发明授权基于异构联邦域泛化网络的智能故障迁移诊断方法在权利要求书中公布了：1.一种基于异构联邦域泛化网络的智能故障迁移诊断方法，其特征在于，该方法具体包括以下步骤：S1：通过传感器采集机械设备上的原始振动信号，并将采集到的原始振动信号进行样本扩充；S2：构建解耦域自适应基础模型，简称DDA模型；DDA模型的主干网络包括四个部分：特征提取器GFEθFE、解耦器GDθD、重构器GRθR和故障分类器GFCθFC，其中，θFE、θD、θR和θFC分别表示对应网络模型的可训练权重；特征提取器是被用于挖掘分布差异知识并减小分布差异，然后获得通用特征FG；故障分类器是致力于提取标签特征FL来识别故障种类；解耦器是用于解耦分离出故障相关特征FFR和故障不相关特征FFI；重构器是从故障相关特征和故障不相关特征中重构出通用特征；DDA模型的优化目标包括以下三个部分：1解耦表征：学习一个解耦表征从通用特征中分离出噪声导致的故障不相关特征；2分离与重构：最大化故障相关特征和故障不相关特征之间的分布距离；3分布自适应：最小化任意两个故障相关特征之间的分布差异；S3：搭建基于互信息权重匹配机制的异构联邦迁移学习网络，其中，互信息权重匹配机制简称MIWM；异构联邦迁移学习网络简称HFDGN，采用异构迁移学习框架；S4：将源客户端的所有辅助域中和目标客户端的源域中划分好的训练样本输入到构建好的DDA模型中，利用DDA模型中的优化目标函数去训练对应的本地客户端模型；S5：将训练好的DDA模型的参数上传到中央服务器，然后利用搭建的HFDGN网络进行联邦迁移故障诊断；S6：经过多次迭代训练，误差曲线趋于稳定，HFDGN网络训练完成，将训练好的HFDGN网络用于异构多源联邦迁移诊断。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。