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！

龙图腾网恭喜苏州大学申请的专利基于半监督对抗域泛化智能模型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：CN116089812B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202211558882.4，技术领域涉及：G06F18/213；该发明授权基于半监督对抗域泛化智能模型的故障诊断方法是由王俊;任贺;石娟娟;丁传仓;朱忠奎设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本基于半监督对抗域泛化智能模型的故障诊断方法在说明书摘要公布了：本发明公开了一种基于半监督对抗域泛化智能模型的故障诊断方法。本发明基于半监督对抗域泛化智能模型的故障诊断方法以域对抗神经网络为基础，采用半监督学习的方式，通过提出域模糊策略来消除多源域之间的数据分布差异，学习标记的源域和未标记的源域中与分布无关的表示，提取域不变特征，并且引入度量学习来促进模型学习特征的类内聚集性和类间可分性，提高特征的可判别性，从而极大提高机械故障诊断模型的泛化能力，实现未知工况下的半监督机械健康状态智能识别，识别精度高。

本发明授权基于半监督对抗域泛化智能模型的故障诊断方法在权利要求书中公布了：1.基于半监督对抗域泛化智能模型的故障诊断方法，其特征在于，包括以下步骤： S1、将采集的机械振动时域信号截取成数据样本，统一样本长度，并把样本幅值归一化，将数据集划分为多源域数据集和目标域数据集； S2、构建特征提取器，所述特征提取器用于将预处理后的数据样本映射到目标特征空间，所述特征提取器以数据样本作为输入，以数据样本的高层隐含特征作为输出； S3、构建标签分类器，所述标签分类器用于预测高层隐含特征的类别标签，所述标签分类器以所述特征提取器的输出作为输入，以预测的样本类别标签作为输出； S4、构建域分类器，所述域分类器用于预测高层隐含特征的域标签，所述域分类器以所述特征提取器的输出作为输入，以预测的域标签作为输出； S5、构建类级优化模块，所述类级优化模块用于对提取的高层隐含特征进行度量学习来优化类边界； S6、将所述特征提取器、标签分类器、域分类器和类级优化模块组合，构建故障诊断训练模型； S7、将多源域训练数据集输入到构建的故障诊断训练模型中，通过域模糊策略来提取域不变性数据特征，根据给定的损失函数和优化算法进行模型训练；所述S7包括： S71、将多源域样本通过特征提取器提取高层隐含特征，将特征输入标签分类器、域分类器和类级优化模块； S72、对来自多个源域的全部数据，最小化域分类器的交叉熵损失来优化域分类器； S73、对来自源域的带标签数据，最小化标签分类器的交叉熵损失来优化标签分类器； S74、最小化标签分类器的交叉熵损失和类级优化模块的中心损失，同时最大化域分类器的交叉熵损失、样本域标签预测概率的香农熵损失、小批量样本域标签预测概率均值的香农熵损失来优化特征提取器；优化域分类器的训练目标是尽量将输入的特征识别为正确的域标签，而优化特征提取器的训练目标是模糊域分类器，使其不能正确地判断出特征来自哪一个域，且输出一个不确定的域标签，从而形成一种最小-最大对抗关系； S75、当对抗训练使模型达到纳什平衡时停止训练； S8、将目标域测试数据集输入到训练好的特征提取器和标签分类器中，在线识别样本的健康状态类别。

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苏州大学，其通讯地址为：215000 江苏省苏州市吴中区石湖西路188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”。