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！

龙图腾网恭喜南京信息工程大学申请的专利基于不平衡无标签监测数据自监督的智能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：CN119128611B 。

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：202411612985.3，技术领域涉及：G06F18/24；该发明授权基于不平衡无标签监测数据自监督的智能故障诊断方法是由钱巍巍;丁中天;苏文涛设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于不平衡无标签监测数据自监督的智能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不平衡无标签监测数据自监督的智能故障诊断方法，第一步，准备大量无标签数据作为自监督训练数据，准备有标签数据，并分割为有监督训练数据和测试数据；第二步，基于三种增强方法的无标签数据增强；第三步，构建包含特征提取和特征映射的自监督网络；第四步，通过逆注意力挑选稀少类别数据对应特征；第五步，基于挑选特征进行噪声对比估计损失函数设计，并优化自监督网络；第六步，基于自监督预训练后的特征提取网络，通过少量有标签故障数据进行诊断网络的调整；第七步，将监测信号输入上述训练好的网络。本发明更契合实际监测数据无健康状态标签与类型不平衡问题，提高了现有故障诊断网络的诊断能力。

本发明授权基于不平衡无标签监测数据自监督的智能故障诊断方法在权利要求书中公布了：1.基于不平衡无标签监测数据自监督的智能故障诊断方法，包括以下步骤：第一步，获取时域振动信号，将无标签且数据类型不平衡监测数据组成数据集作为自监督预训练数据，有标签时域振动信号分割为训练集和测试集；第二步，使用乘性噪声增强、倒序偏移增强和加性噪声增强方式分别对无标签数据进行增强扩充；第三步，构建自监督故障诊断网络，包含特征提取和映射，具体包括：将第i个乘性噪声增强样本倒序偏移增强样本和加性噪声增强样本拼接作为Xi传递到公式3中特征编码器网络f·进行特征提取，f·采用1DCNN网络结构；hi＝fXi＝1DCNNXi3，其中hi是1DCNN网络最后一个平均池化层的输出表征，每个增强后样本通过1DCNN获得各自对应输出；随后进行特征非线性映射，利用投影头g·将通过编码获得的表征hi映射到对应的对比损失的潜在空间中，映射关系如公式4所示；qi＝ghi＝W1σW2hi4，其中qi是表征hi映射输出，σ·是ReLu激活函数，W1和W2是参数矩阵，W1用于将经过非线性激活的特征进行线性变换以得到最终输出，W2用于对输入特征进行线性变换和降维处理；第四步，在特征提取之后进行特征的逆注意力挑选，优化特征实现特征的平衡学习与全局成熟；特征的平衡学习与全局成熟过程如下：将第三步中得到的映射输出记为特征z，首先计算特征z的成熟度gz；通过公式5所示峭度kurtosis计算同一特征在所有样本中的激活值，获取其可区分性用于评价其成熟度；gz＝jurtosisz5，在对成熟度gz进行排序后，根据需要被抑制的特征维度的比例p，对成熟度gz从大到小进行排序，得到与特征z中各维度特征相对应的排序rankg，根据公式6锁定要抑制的神经元的位置掩码； 最后，将位置locationi与特征Z相乘获得新的特征；第五步，基于挑选特征进行噪声对比估计损失函数设计，利用增强后的振动信号无标签数据集进行自监督网络预训练；第六步，故障诊断网络的全局调整训练：使用有标签训练数据集对第五步训练好的自监督网络进行参数调整；第七步，将振动信号测试集输入训练好的网络，输出其健康状态类型。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。