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！

龍圖騰網獲悉南京信息工程大學申請的專利基于動態混合路徑與聯邦多重蒸餾的軸承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：CN120470446B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202510970648.X，技術領域涉及：G06F18/2415；該發明授權基于動態混合路徑與聯邦多重蒸餾的軸承故障診斷方法是由錢巍巍;沈鑫設計研發完成，并于2025-07-15向國家知識產權局提交的專利申請。

本基于動態混合路徑與聯邦多重蒸餾的軸承故障診斷方法在說明書摘要公布了：本發明公開了基于動態混合路徑與聯邦多重蒸餾的軸承故障診斷方法，屬于機械故障診斷技術領域。該方法中自適應構建動態特征融合網絡，將本地私有數據的局部特征層與全局診斷模型中的特征提取層進行級聯融合；設計基于特征余弦相似度以及訓練輪次的動態權重；構建缺失類蒸餾損失，通過蒸餾全局知識強化本地分類邊界能力；采用歷史模型集成策略，維護設備群的歷史診斷模型參數集合，抑制單設備過擬合噪聲數據。本發明有效解決了數據孤島、客戶端數據異構性以及模型漂移等問題，并取得了較好的軸承故障診斷結果。

本發明授權基于動態混合路徑與聯邦多重蒸餾的軸承故障診斷方法在權利要求書中公布了：1.基于動態混合路徑與聯邦多重蒸餾的軸承故障診斷方法，其特征在于，包括以下步驟： 步驟1，通過加速度傳感器實時采集離目標監測軸承最近軸承座的振動信號，結合軸承不同健康狀態及設備負載變化，構建多工況振動數據集，并基于故障類型與負載等級聯合定義類別標簽； 步驟2，對步驟1中獲取的振動信號數據進行預處理，將預處理之后的振動信號數據按比例構建成訓練集和測試集； 步驟3，服務器端初始化全局診斷模型，并廣播至各客戶端； 步驟4，各客戶端加載全局診斷模型作為本地診斷模型，利用訓練集對本地診斷模型進行訓練，各客戶端將訓練后的本地診斷模型參數上傳至服務器端； 步驟5，服務器端基于狄利克雷分布生成的動態權重對接收到的模型參數進行加權聚合，更新當前迭代次數下的全局診斷模型，并按時間衰減加權集成歷史多輪全局診斷模型作為最新的全局診斷模型，將最新的全局診斷模型廣播至客戶端； 步驟6，重復步驟4和步驟5，直至達到最大迭代次數時停止，各客戶端得到最終的本地診斷模型； 步驟7，各客戶端利用最終的本地診斷模型，得到軸承故障診斷結果； 利用訓練集對本地診斷模型進行訓練的步驟包括： 步驟401，在客戶端自適應構建多路徑分層融合網絡，包含獨立的本地路徑與動態構建的并行的混合路徑；其中，本地路徑完整保留本地診斷模型的全部網絡層，維持原有特征傳播路徑；混合路徑動態地根據分割點將本地診斷模型的前置層與全局診斷模型的后續層級聯，形成多條具有差異化特征表達能力的并行分支； 步驟402，基于本地路徑輸出的特征張量與并行的混合路徑分支輸出的特征張量的余弦相似性度量，動態分配各路徑的權重系數，公式為： ， 式中，t和T分別表示當前訓練輪次和總訓練輪數，M表示混合路徑條數； 步驟403，通過加權交叉熵損失函數、多路徑KL散度正則化損失函數及缺失類別知識蒸餾損失函數，聯合優化本地診斷模型； 在步驟401中，在構建混合路徑時，分割點根據本地診斷模型與全局診斷模型各層的特征相似度以及閾值進行動態選擇，其中特征相似度的計算表達式為： ， 式中，為L2范數，和分別代表第層本地診斷模型與全局診斷模型的輸出特征； 當第l層的特征相似度小于閾值時，則將本地診斷模型的第l層作為分割點。

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南京信息工程大學，其通訊地址為：211899 江蘇省南京市江北新區華富路1號數智溪谷4號樓；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”。