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无监督域自适应及熵优化的设备传感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：CN115618267B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202211424445.3，技术领域涉及：G06F18/24；该发明授权无监督域自适应及熵优化的设备传感诊断方法及系统是由刘富樯;陈彦丹;蒲华燕;罗均;秦毅;陈锐;徐浪;肖登宇设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本无监督域自适应及熵优化的设备传感诊断方法及系统在说明书摘要公布了：无监督域自适应及熵优化的设备传感诊断方法及系统。其中，包括以下步骤：1收集不同工作条件下设备的振动传感信号，利用格拉姆角场技术对数据进行预处理；2构建基于卷积神经网络的故障诊断模型，包括特征提取模块、特征一致判别模块和特征识别模块；3将源域有标签样本在故障诊断模型的特征提取模块和特征识别模块上进行训练；4利用数据增强策略，将目标域无标签训练样本在故障诊断模型上进行一致性训练；5将目标域无标签且未参与训练的样本输入到已经训练好的诊断模型中并得出设备健康状态。通过将RandAugment技术和域自适应技术相结合，能够在数据不平衡和数据分布转移的条件下提高模型对设备健康状态的识别精度。

本发明授权无监督域自适应及熵优化的设备传感诊断方法及系统在权利要求书中公布了：1.一种无监督域自适应及熵优化的设备传感诊断方法，其特征在于，该方法包括以下步骤：步骤1：在设备上收集多个工作条件下的振动传感信号，每个工作条件包含多个设备健康状态；一个工作条件的数据是一个数据域，不同的数据域中数据分布不一致，并对数据域进行长尾分布划分样本；步骤2：对数据进行预处理，通过格拉姆角场算法，将收集到的一维数据转为二维数据，并储存到磁盘中；构建基于卷积神经网络的故障诊断模型，该故障诊断模型至少包括特征提取模块、特征一致判别模块和特征识别模块；步骤3：从数据储存库中随机选择一个域作为源域，并对其随机取样划分数据集；将有标签样本在故障诊断模型的特征提取模块和特征识别模块上进行训练；步骤4：从数据存储库中剩余域中随机选择一个为目标域，并对其随机取样划分数据集；在步骤3源域训练的故障诊断模型的基础上，利用数据增强策略将目标域无标签训练样本在故障诊断模型上进行训练；所述步骤4包括：步骤4.1：将目标域无标签图像数据随机取样组成训练集和测试集；步骤4.2：数据增强策略由RandAugment技术和自训练算法组成；步骤4.3：将训练集图像经过RandAugment技术进行变换，生成数据集生成数据集P＝{r1xτ,r2xτ,…rnxτ}，其中xτ是来自目标域无标签训练数据，ri是变换i次操作函数；步骤4.4：将数据集P输入到数据增强策略中，并从输出结果中挑选出最可靠伪样本，决策其标签与真值标签的一致性；步骤4.5：若决策结果为一致性，则最小化和真值标签一致的伪样本熵损失值，否则最大化不一致伪样本熵损失值；步骤4.6：将目标域无标签训练集条件熵损失和条件分布距离与分类损失结合在一起组成目标函数，训练模型参数；所述步骤4.4中的一致性描述为： 其中，prediction+是生成的伪标签和真值标签一致，prediction-是生成的伪标签和真值标签不一致；所述步骤4.5中的熵损失描述公式为： 其中，LEO是完整的熵最小化函数，是一致性熵损失函数，是不一致性熵损失函数，后两个函数的定义如下： 其中，是样本标签y的移动平均指数，p是概率分布函数；步骤5：将目标域无标签且未参与训练的样本输入到已经训练好的诊断模型中并得出设备健康状态。

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”。