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)獲悉電子科技大學(xué)申請(qǐng)的專利一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法獲國(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：CN115392358B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202210958834.8，技術(shù)領(lǐng)域涉及：G06F18/2433；該發(fā)明授權(quán)一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法是由劉治汶;郝亮;唐蕙;趙銳東設(shè)計(jì)研發(fā)完成，并于2022-08-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法在說明書摘要公布了：本發(fā)明公開了一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法，該方法首先收集傳感器采集的時(shí)間序列數(shù)據(jù)，并將其轉(zhuǎn)換為圖像，存入機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)中；其次構(gòu)建特征提取教師模型并訓(xùn)練到模型收斂；然后構(gòu)建特征提取學(xué)生模型并訓(xùn)練到模型收斂，特征提取學(xué)生模型總損失定義為KL散度損失和對(duì)比損失之和；最后，將上述特征提取學(xué)生模型的權(quán)重凍結(jié)，并在后面添加膠囊網(wǎng)絡(luò)分類模塊，分類模塊包含可實(shí)現(xiàn)參數(shù)共享的數(shù)字膠囊層。模型的損失函數(shù)為邊沿?fù)p失，訓(xùn)練模型直到模型收斂即可得到膠囊網(wǎng)絡(luò)輕量化模型。本發(fā)明主要用于便攜設(shè)備在惡劣環(huán)境下的機(jī)械多故障狀態(tài)智能識(shí)別場(chǎng)合。

本發(fā)明授權(quán)一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法在權(quán)利要求書中公布了：1.一種基于膠囊網(wǎng)絡(luò)輕量化模型的機(jī)械多故障智能識(shí)別方法，該方法包括： S1、按機(jī)械故障具體類別收集傳感器采集的一維信號(hào)序列數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)為圖像，建立機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)；機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)由若干個(gè)成對(duì)的時(shí)間序列數(shù)據(jù)和健康狀態(tài)標(biāo)簽組成； S2、基于機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)，將所述機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)劃分為訓(xùn)練集和測(cè)試集；構(gòu)建特征提取教師模型，模型損失函數(shù)為對(duì)比損失losscl，對(duì)比損失是衡量同一個(gè)批次中同類樣本的特征相似度和不同樣本特征遠(yuǎn)離度的指標(biāo)；特征提取教師模型包含ResNet-18和初級(jí)膠囊層，采用Adam優(yōu)化算法訓(xùn)練模型直到模型收斂； S3、構(gòu)建比特征提取教師網(wǎng)絡(luò)模型復(fù)雜度更低的特征提取學(xué)生模型； 特征提取學(xué)生模型的輸出需要與特征提取教師模型的輸出維度一致，特征提取學(xué)生模型總損失lossstudent為KL散度損失losskl和對(duì)比損失losscl之和；KL散度損失是衡量特征提取教師模型到特征提取學(xué)生模型之間的知識(shí)蒸餾能力的指標(biāo)，特征提取學(xué)生模型包含LeNet-5和初級(jí)膠囊層，采用Adam優(yōu)化算法訓(xùn)練模型直到模型收斂； S4、將上述特征提取學(xué)生模型的權(quán)重凍結(jié)，并在特征提取學(xué)生模型后添加膠囊網(wǎng)絡(luò)分類模塊，特征提取學(xué)生模型加膠囊網(wǎng)絡(luò)分類模塊兩部分整體稱作膠囊網(wǎng)絡(luò)輕量化模型；膠囊網(wǎng)絡(luò)輕量化模型包含數(shù)字膠囊層和Length層，一個(gè)數(shù)字膠囊層對(duì)應(yīng)多個(gè)數(shù)字膠囊，每個(gè)數(shù)字膠囊包含多個(gè)神經(jīng)元；數(shù)字膠囊層和初級(jí)膠囊層之間的參數(shù)更新使用動(dòng)態(tài)路由機(jī)制，Length層求出對(duì)應(yīng)數(shù)字膠囊的二范數(shù)；初級(jí)膠囊層與數(shù)字膠囊層之間的權(quán)重變換矩陣維度實(shí)現(xiàn)了從a×l1×b×l2到l1×b×l2的降低，其中，a是初級(jí)膠囊層中膠囊的個(gè)數(shù)，l1是每個(gè)初級(jí)膠囊的神經(jīng)元個(gè)數(shù)，b是數(shù)字膠囊層中數(shù)字膠囊的個(gè)數(shù)，l2是每個(gè)數(shù)字膠囊層中神經(jīng)元的個(gè)數(shù)；膠囊網(wǎng)絡(luò)輕量化模型的損失函數(shù)為邊沿?fù)p失lossmargin，采用Adam優(yōu)化算法訓(xùn)練模型直到模型收斂； S5、獲取上述機(jī)械多故障狀態(tài)數(shù)據(jù)庫(kù)的測(cè)試集作為輸入，通過訓(xùn)練后的膠囊網(wǎng)絡(luò)分類模塊獲取機(jī)械多故障狀態(tài)智能識(shí)別結(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)人電子科技大學(xué)，其通訊地址為：611731 四川省成都市高新區(qū)（西區(qū)）西源大道2006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)”。