買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州市北京航空航天大學國際創新研究院(北京航空航天大學國際創新學院);北京航空航天大學申請的專利一種基于孿生一致性故障表征自學習的小樣本故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120197114B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510669604.3，技術領域涉及：G06F18/2433；該發明授權一種基于孿生一致性故障表征自學習的小樣本故障診斷方法是由程玉杰;周安;常一;呂琛;丁宇設計研發完成，并于2025-05-23向國家知識產權局提交的專利申請。

本一種基于孿生一致性故障表征自學習的小樣本故障診斷方法在說明書摘要公布了：本發明提供一種基于孿生一致性故障表征自學習的小樣本故障診斷方法，屬于小樣本數據條件下的故障診斷技術領域。首先，對樣本數據集預處理后得到訓練集樣本和測試集樣本；訓練集樣本中進行樣本關聯匹配構建故障樣本關聯數據集，對其進行樣本空間約簡。其次，基于故障樣本關聯數據集，通過設置訓練超參數，完成故障診斷模型的訓練與優化，進行待測樣本與訓練集樣本的故障特征提取。最后，進行故障特征孿生相似性度量，進行待測樣本的故障模式辨別。本發明提供的小樣本故障診斷方法能夠提升故障診斷模型在故障信息不平衡條件下的泛化能力與診斷性能；實現孿生特征相似性的自適應度量，提升故障模式辨別的準確性。

本發明授權一種基于孿生一致性故障表征自學習的小樣本故障診斷方法在權利要求書中公布了：1.一種基于孿生一致性故障表征自學習的小樣本故障診斷方法，其特征在于，所述的小樣本故障診斷包括以下步驟： 步驟一、采集設備的狀態監測數據構建樣本數據集，對樣本數據集進行預處理，得到訓練集樣本和測試集樣本； 步驟二、基于步驟一得到的訓練集樣本，利用不同樣本的故障標簽信息，進行樣本關聯匹配，構建故障關聯樣本，得到故障樣本關聯數據集；其中，樣本關聯匹配具體為：根據樣本的故障模式，將樣本之間進行配對匹配，相同故障模式的樣本匹配為正關聯樣本，不同故障模式的樣本匹配為負關聯樣本；相同標簽樣本組合標簽為1，不同標簽樣本組合標簽為0； 步驟三、基于步驟二得到的故障樣本關聯數據集，進行樣本空間約簡，通過設置約簡尺度，對故障關聯樣本進行約簡，構建約簡后的故障樣本關聯數據集；包括以下子步驟： 步驟3.1，構建約簡尺度； 對于訓練樣本集，N為故障模式的數量，考慮訓練數據集中不同故障模式樣本數量的分布相對大小，有，；其中，為故障模式為的訓練樣本集合，為故障模式為的訓練樣本集合，為訓練數據集中，每種故障模式樣本的數量最小值，為訓練數據集中，每種故障模式樣本的數量中位值，和分別代表一種故障模式的訓練樣本集合；針對關聯屬性為1的關聯樣本集，約簡尺度；針對關聯屬性為0的關聯樣本集，約簡尺度； 步驟3.2，樣本空間約簡； 對于步驟二構建的故障樣本關聯數據集、，其中，為相同故障模式樣本所構建的關聯樣本集，由于總計有N種故障模式，在中隨機選取并保留N 數量的樣本，剔除其余樣本從而完成的樣本空間約簡；為不同故障模式樣本所構建的關聯樣本集，在N種故障模式中，針對與正常樣本進行樣本關聯的得到的故障關聯樣本，在這些關聯樣本中隨機選取并保留N-1*數量的樣本剔除其余樣本從而完成的樣本空間約簡；得到約簡后的故障關聯樣本集； 步驟四、構建并訓練基于孿生一致性故障表征自學習網絡的故障診斷模型，具體的：通過選擇模型架構及參數，構建基于孿生一致性故障表征自學習網絡的故障診斷模型，基于步驟三得到的故障樣本關聯數據集，通過設置訓練超參數，完成故障診斷模型的訓練與優化；包括以下子步驟： 步驟4.1，設計基于孿生一致性故障表征自學習網絡的故障診斷模型架構；所述故障診斷模型由故障特征編碼模塊和特征融合度量模塊構成； 首先，對于一對關聯樣本和利用特征編碼模塊進行特征提取，得到故障特征和，其中代表利用編碼器模塊對輸入樣本進行線性變換操作，代表非線性變換操作；然后，利用特征融合度量模塊對上述故障特征進行孿生相似性度量，度量結果為，式中為特征拼接操作，將兩故障特征沿著樣本維度保證特征維數不變的方式進行特征拼接，為利用基于卷積神經網絡的特征度量模塊，對輸入通過卷積運算來度量故障特征的孿生相似性；最終，計算得到這一對關聯樣本的故障特征孿生相似度； 步驟4.2，訓練故障診斷模型； 基于步驟4.1所構建的故障診斷模型，以均方根誤差為損失函數，其中對于第k組故障關聯樣本，為孿生相似度預測值，為孿生相似度標簽值；并進行故障診斷模型的參數更新； 步驟五、進行待測樣本與訓練集樣本的故障特征提取，具體的：在完成故障診斷模型訓練后，基于訓練好的故障診斷模型，針對待測樣本與訓練集樣本，分別提取故障特征； 步驟六、進行故障特征孿生相似性度量，具體的：針對步驟五得到的待測樣本與訓練集樣本的故障特征，利用訓練好的故障診斷模型中的特征融合度量模塊，對特征之間的故障特征孿生相似性進行度量； 步驟七、基于步驟六得到的故障特征孿生相似性度量結果，通過設置基于非平衡樣本分布的標簽識別策略，進行待測樣本的故障模式辨別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州市北京航空航天大學國際創新研究院(北京航空航天大學國際創新學院);北京航空航天大學，其通訊地址為：311100 浙江省杭州市余杭區瓶窯鎮雙紅橋街166號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。