買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉安徽大學(xué)申請(qǐng)的專利基于聯(lián)合分布適配的軸承故障診斷方法、設(shè)備及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116010883B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310112737.1，技術(shù)領(lǐng)域涉及：G06F18/2415；該發(fā)明授權(quán)基于聯(lián)合分布適配的軸承故障診斷方法、設(shè)備及存儲(chǔ)介質(zhì)是由盛舒婷;錢孟浩;董飛;程志友;宋俊材;阮瑞;趙衍;胡創(chuàng)偉設(shè)計(jì)研發(fā)完成，并于2023-02-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于聯(lián)合分布適配的軸承故障診斷方法、設(shè)備及存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于改進(jìn)聯(lián)合分布適配的軸承故障診斷方法、設(shè)備和存儲(chǔ)介質(zhì)，涉及軸承故障診斷方法領(lǐng)域。方法包括以下步驟：步驟1、根據(jù)軸承振動(dòng)信號(hào)建立源域特征集、目標(biāo)域特征集；步驟2、構(gòu)建特征可遷移性量化指標(biāo)后建立源域特征樣本集、目標(biāo)域特征樣本集；步驟3、對(duì)源域特征樣本集進(jìn)行流形子空間學(xué)習(xí)，得到源域特征子集以及特征映射矩陣；基于特征映射矩陣將目標(biāo)域特征樣本集轉(zhuǎn)換為目標(biāo)域特征子集后進(jìn)行聯(lián)合分布適應(yīng)算法求解，獲得分布適應(yīng)的源域特征集、目標(biāo)域特征集；步驟4、采用分布適應(yīng)后的源域特征集對(duì)分類器進(jìn)行訓(xùn)練，并利用訓(xùn)練好的分類器基于分布適應(yīng)后的目標(biāo)域特征集得到故障診斷結(jié)果；設(shè)備和存儲(chǔ)介質(zhì)用于實(shí)現(xiàn)該方法。

本發(fā)明授權(quán)基于聯(lián)合分布適配的軸承故障診斷方法、設(shè)備及存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.基于聯(lián)合分布適配的軸承故障診斷方法，其特征在于，包括以下步驟： 步驟1、獲取工況已知的軸承振動(dòng)信號(hào)，以及工況未知的軸承振動(dòng)信號(hào)，基于工況已知的軸承振動(dòng)信號(hào)提取出多種時(shí)頻域統(tǒng)計(jì)特征數(shù)據(jù)作為有標(biāo)簽的源域特征集，基于工況未知的軸承振動(dòng)信號(hào)提取出多種時(shí)頻域統(tǒng)計(jì)特征數(shù)據(jù)作為無(wú)標(biāo)簽的目標(biāo)域特征集； 步驟2、基于步驟1得到的有標(biāo)簽的源域特征集得到每個(gè)統(tǒng)計(jì)特征數(shù)據(jù)的特征重要度FI，該特征重要度FI同時(shí)作為目標(biāo)域特征集中對(duì)應(yīng)類統(tǒng)計(jì)特征數(shù)據(jù)的特征重要度，由特征重要度FI表征源域特征集、目標(biāo)域特征集中各個(gè)統(tǒng)計(jì)特征數(shù)據(jù)的判別能力； 計(jì)算源域特征集中各個(gè)統(tǒng)計(jì)特征數(shù)據(jù)在源域特征集、目標(biāo)域特征集的KL散度KLD，以及計(jì)算目標(biāo)域特征集中各個(gè)統(tǒng)計(jì)特征數(shù)據(jù)在源域特征集、目標(biāo)域特征集的KL散度KLD，用于度量每個(gè)統(tǒng)計(jì)特征數(shù)據(jù)在不同域特征集的差異，由KL散度KLD表征每個(gè)統(tǒng)計(jì)特征數(shù)據(jù)在不同域特征集的適應(yīng)能力； 基于所述特征重要度FI、KL散度KLD構(gòu)建源域特征集、目標(biāo)域特征集中每個(gè)特征統(tǒng)計(jì)數(shù)據(jù)的特征可遷移性量化指標(biāo)RFK； 最后，基于特征可遷移性量化指標(biāo)RFK從源域特征集中選取部分統(tǒng)計(jì)特征數(shù)據(jù)構(gòu)建有標(biāo)簽的源域特征樣本集DS，并基于特征可遷移性量化指標(biāo)RFK從目標(biāo)域特征集中選取部分統(tǒng)計(jì)特征數(shù)據(jù)構(gòu)建無(wú)標(biāo)簽的目標(biāo)域特征樣本集DT； 步驟3、對(duì)步驟2得到的源域特征樣本集DS中的統(tǒng)計(jì)特征數(shù)據(jù)進(jìn)行流形子空間學(xué)習(xí)，得到源域特征子集ZS以及特征映射矩陣； 基于所述特征映射矩陣對(duì)步驟2得到的目標(biāo)域特征樣本集DT中的統(tǒng)計(jì)特征數(shù)據(jù)進(jìn)行映射轉(zhuǎn)換，得到目標(biāo)域特征子集ZT； 基于源域特征子集ZS、目標(biāo)域特征子集ZT中統(tǒng)計(jì)特征數(shù)據(jù)之間邊緣概率分布以及條件概率分布，建立聯(lián)合分布適配算法JDA模型并進(jìn)行求解，獲得有標(biāo)簽的分布適應(yīng)后的源域特征集Z′S，以及無(wú)標(biāo)簽的分布適應(yīng)后的目標(biāo)域特征集Z′T； 步驟4、采用步驟3得到的有標(biāo)簽的分布適應(yīng)后的源域特征集Z′S對(duì)機(jī)器學(xué)習(xí)的分類器進(jìn)行訓(xùn)練，并利用訓(xùn)練好的分類器對(duì)步驟3得到的無(wú)標(biāo)簽的分布適應(yīng)后的目標(biāo)域特征集Z′T進(jìn)行處理，得到軸承故障診斷結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人安徽大學(xué)，其通訊地址為：230000 安徽省合肥市經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)九龍路111號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。