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！

龙图腾网恭喜重庆邮电大学申请的专利一种风电机组齿轮箱的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：CN115541228B 。

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：202211233497.2，技术领域涉及：G01M13/021；该发明授权一种风电机组齿轮箱的故障诊断方法是由苏祖强;张小龙;韩延;罗茂林;王淑娴设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种风电机组齿轮箱的故障诊断方法在说明书摘要公布了：本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。

本发明授权一种风电机组齿轮箱的故障诊断方法在权利要求书中公布了：1.一种风电机组齿轮箱的故障诊断方法,其特征在于，包括：S1：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；S2：根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；S3：将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；S4：构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练，其中，所述故障诊断模型包括：原型网络、记忆门控循环网络；所述通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练包括：S41：通过支持集和待分类故障样本对原型网络进行预训练，并根据原型网络每个训练周期对待分类故障样本的后验概率得到无标记故障样本的后验概率集和查询故障样本的后验概率集，其中，所述待分类故障样本包括：无标记样本集中的故障样本和查询集中的故障样本；S42：根据无标记故障样本的后验概率集和查询故障样本的后验概率集构建伪标签训练数据集和伪标签测试数据集；并利用伪标签训练数据集对记忆门控循环网络进行训练，并在训练完成后通过记忆门控循环网络对伪标签测试数据集进行样本拓展得到伪标签故障样本和伪标签故障样本的伪标签，生成伪标签故障样本集；S43：根据伪标签故障样本和伪标签故障样本的伪标签利用预训练好的原型网络计算伪标签故障样本的权重；S44：根据伪标签故障样本的伪标签、故障类别标签、伪标签故障样本的权重、支持集中的故障样本和查询集中的故障样本计算每个故障类别的加权质心类原型，并用每个故障类别的加权质心类原型替换预训练好的原型网络中每个故障类别的类原型，得到半监督加权质心原型网络；S45：对半监督加权质心原型网络的加权质心类原型进行动量更新；S46：将伪标签故障样本和查询集中的故障样本作为训练样本并利用伪标签故障样本的伪标签和查询故障样本的故障类别标签构建半监督加权质心原型网络的损失函数，并通过反向传播更新半监督加权质心原型网络的参数，完成半监督加权质心原型网络的训练；S47：将验证集输入训练好的半监督加权质心原型网络进行精度验证；并重复步骤S42-S47，将精度最大的半监督加权质心原型网络进行保存，完成故障诊断模型的训练；S5：获取风电机组齿轮箱的目标振动信号，并将目标振动信号归一化处理后输入训练好的故障诊断模型，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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。