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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于半监督动量原型网络的风力发电机组齿轮箱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：CN113920348B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202111175109.5，技术领域涉及：G06V10/762；该发明授权一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法是由苏祖强;张小龙;韩延;于洪;罗茂林;余建航设计研发完成，并于2021-10-09向国家知识产权局提交的专利申请。

本一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法在说明书摘要公布了：本发明涉及一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法，属于故障诊断领域。该方法包括半监督动量原型网络训练与故障诊断识别两个流程；1、半监督动量原型网络训练：2、风力发电机组齿轮箱故障诊断：本发明结合半监督中的伪标签学习与小样本学习中的半监督动量原型网络，提出了一种基于半监督动量原型网络的风力发电机组齿轮箱故障诊断方法，该方法充分利用了无标记样本中包含的故障信息，大幅度减轻了原型网络由于标记样本稀缺导致的过拟合现象，增强了半监督动量原型网络在进行微调时的稳定性和准确性。

本发明授权一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法在权利要求书中公布了：1.一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法，其特征在于：该方法包括以下步骤：S1：半监督动量原型网络训练；S2：故障诊断识别；所述S1具体为：S11：样本集制作；S12：基于有限标记样本集，对半监督动量原型网络开展训练，学习特征映射和原型；S13：基于训练后的半监督动量原型网络，对无标记样本集开展伪标签学习，给予无标记样本经阈值选取后的伪标签信息，不断扩大标记样本集的规模，进而得到拓展后的样本集E；S14：基于拓展后的样本集E，对半监督动量原型网络进行微调，优化半监督动量原型网络的特征映射，并基于动量原型对原型进行修正；所述S11具体为：将包含K类故障类别的原始振动信号样本集样本归一化为标准化的一维样本，并将少量的标记样本划分为支持集S与查询集Q，作为半监督动量原型网络训练样本集L用于S12；将无标记样本制作为伪标签学习样本集U用于S13；所述S12具体为：基于半监督动量原型网络训练样本集L，对半监督动量原型网络开展训练：半监督动量原型网络利用特征提取器将半监督动量原型网络训练样本集L中的样本xi嵌入到特定特征空间： 对于第c类故障，利用支持集S生成原型Pc： 计算在特征空间中查询集Q中样本与各原型间距离，并将计算得出的距离经softmax化后作为该样本的预测输出p： 半监督动量原型网络通过损失函数loss进行反向传播开展训练：loss＝-lgpy＝k|x通过上述流程，半监督动量原型网络不断优化半监督动量原型网络的特征映射与原型；所述S13具体为：基于训练后的半监督动量原型网络，对伪标签学习样本集U开展伪标签学习，采用MC-Dropout对半监督动量原型网络预测的不确定度进行度量，并以此作为评判指标进行阈值选取，给予无标记样本高置信度的伪标签，不断扩大标记样本集的规模；利用加入MC-Dropout后的半监督动量原型网络对伪标签学习样本集U中的无标记样本进行I次前向传播得到I个预测，计算I个预测概率向量的均值μ与方差σ2： 利用描述离散程度的方差σ2计算I次前向传播的标准差φ： 利用描述集中趋势的均值μ计算I次前向传播的信息熵ψ： 利用标准差φ与信息熵ψ计算半监督动量原型网络预测的蒙特卡罗不确定度θ： 其中，λ为调节信息熵ψ与标准差φ之间权重的超参数；基于计算得出的半监督动量原型网络预测的蒙特卡罗不确定度θ，经设定的阈值θ′，选取出高置信度的无标记样本的模型输出生成伪标签，扩展标记样本的规模，得到拓展的样本集E；所述S14具体为：基于拓展后的样本集E，对训练后的半监督动量原型网络开展微调训练，优化映射；设微调训练中第n轮训练批次中，利用伪标签样本与标记样本计算得到的理论原型为： 设微调训练中第n轮训练批次中，经动量原型计算得到的实际采用原型Pn 其中，η是原型动量因子；基于上述基于动量原型的原型更新算法，微调训练中在对原型进行修正，提炼出更为准确的原型；最终得到微调训练后的半监督动量原型网络和修正后的原型；所述S2具体为：S21：待诊断识别数据处理；S22：将已处理待诊断识别数据输入微调训练后的半监督动量原型网络中开展诊断识别,输出诊断结果；所述S21具体为：将待诊断识别的原始振动信号数据剪切制作为标准长度的一维样本X；所述S22具体为：将已处理好的待诊断识别的样本X输入微调训练后的半监督动量原型网络中，经特征提取器将样本X嵌入到特征空间中得到样本特征F： 计算在特征空间中样本特征F修正后的原型之间的距离，并经softmax化后作为该样本的诊断识别结果p：

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。