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！

龙图腾网恭喜浙江大学;华东交通大学;湖州工业控制技术研究院申请的专利一种基于多维度知识迁移的故障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：CN119557737B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510109293.5，技术领域涉及：G06F18/241；该发明授权一种基于多维度知识迁移的故障诊断方法是由赵春晖;任嘉毅;金建祥设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于多维度知识迁移的故障诊断方法在说明书摘要公布了：本发明公开了一种基于多维度知识迁移的故障诊断方法，该方法包括：获取源域数据集和多目标域数据集；基于数据知识和语义知识引导构建双分支神经网络模型，并对其进行训练，以最小化双分支神经网络模型的总损失函数为优化目标，优化模型参数；其中，该模型包括M+1个数据知识引导分支网络和M+1个语义知识引导分支网络；利用训练好的双分支神经网络模型进行不同目标域的故障诊断任务。本发明能够解决传统迁移学习中强行对齐分布导致的负迁移问题，从多维度知识融合、交互、驱动的角度，实现源域到多目标域的有效知识迁移；可以在各类迁移学习场景下，应用于工业运维、快速部署迁移的工业故障诊断任务中，具有良好的学习效果和泛化能力。

本发明授权一种基于多维度知识迁移的故障诊断方法在权利要求书中公布了：1.一种基于多维度知识迁移的故障诊断方法，其特征在于，包括以下步骤：1获取源域数据、多目标域数据以及各类故障在源域和多目标域中的语义属性矩阵，以构建源域数据集和多目标域数据集；所述源域数据集和多目标域数据集为不同工况下的测量数据；2基于数据知识和语义知识引导构建双分支神经网络模型；其中，所述双分支神经网络模型包括源域的数据知识引导分支网络和语义知识引导分支网络以及M个目标域的数据知识引导分支网络和语义知识引导分支网络，源域的数据知识引导分支网络包括数据特征提取器和故障分类器源域的语义知识引导分支网络包括属性特征提取器和属性分类器第m个目标域的数据知识引导分支网络包括数据特征提取器和故障分类器第m个目标域的语义知识引导分支网络包括属性特征提取器和属性分类器3使用源域数据集和多目标域数据集对双分支神经网络模型进行训练，以最小化双分支神经网络模型的总损失函数为优化目标，优化双分支神经网络模型的参数，直至达到预设的训练轮次，以获取训练好的双分支神经网络模型；所述步骤3具体包括：将源域数据集中的数据样本和M个目标域数据集中的数据样本输入至双分支神经网络模型中，首先数据样本被送入数据知识引导分支网络中，分别经过对应域的数据特征提取器和故障分类器，得到对应的数据特征和以及预测的故障类别；然后数据样本被送入语义知识引导分支网络中，分别经过1个共享参数的源域的属性特征提取器和M+1个对应域的属性分类器，得到对应的属性特征和以及预测的故障语义属性矩阵；再根据输入的数据样本、与其对应的数据特征和以及源域数据集和多目标域数据集中与其对应的故障类别标签计算数据知识引导分支网络的基础训练损失；根据输入的数据样本、与其对应的属性特征和以及源域数据集和多目标域数据集中与其对应的故障语义属性矩阵标签计算语义知识引导分支网络的基础训练损失；根据源域数据集和多目标域数据集中数据样本的属性特征计算跨域特征对齐损失；针对每个目标域，根据该域中得到的数据特征和属性特征计算语义知识向数据知识的信息传递损失；针对每个目标域，根据每个目标域中的预测的故障语义属性矩阵和源域中与其对应的真实故障语义属性矩阵标签计算各样本的预测语义残差约束和预测语义残差方差约束，以获得语义知识的自校正损失；根据不同目标域中样本的数据特征在数据特征空间中计算样本的相似度，并基于此计算数据知识引导的语义知识校正损失；根据数据知识引导分支网络的基础训练损失、语义知识引导分支网络的基础训练损失、跨域特征对齐损失、语义知识向数据知识的信息传递损失、语义知识的自校正损失和数据知识引导的语义知识校正损失计算双分支神经网络模型的总损失函数；以最小化双分支神经网络模型的总损失函数为优化目标，使用SGD优化器调整优化双分支神经网络模型的参数，直至达到预设的训练轮次，以获取训练好的双分支神经网络模型；4利用训练好的双分支神经网络模型进行不同目标域的故障诊断任务。

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浙江大学;华东交通大学;湖州工业控制技术研究院，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。