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！

龙图腾网恭喜西安邮电大学申请的专利一种基于联邦域泛化的装备故障诊断方法及系统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：CN119474786B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510065225.3，技术领域涉及：G06F18/21；该发明授权一种基于联邦域泛化的装备故障诊断方法及系统是由王艺蒙;孙佳兆;李亚男;胡俊艳;符鑫涛;李羽翔;赵雨坤;韩青设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于联邦域泛化的装备故障诊断方法及系统在说明书摘要公布了：本申请公开了一种基于联邦域泛化的装备故障诊断方法及系统，涉及故障诊断技术领域，其中方法包括：获取领域数据和待诊断数据，将领域数据分别输入域不变特征学习模块和领域特征学习模块，得到域不变特征、预测领域和预测故障；对本地模型的参数进行调整，得到训练后的本地模型；对每个训练后的本地模型的参数进行聚合，建立全局模型；将待诊断数据输入全局模型，得到最终诊断结果。本申请的方法引入了联邦混合域泛化机制，其中每个源客户端的数据分布被假定为几个预定义域的混合，通过学习领域不变的特征以及特定领域的特征来训练全局模型，并在每个模块采用不同的聚合策略，提高了全局模型的泛化性和鲁棒性。

本发明授权一种基于联邦域泛化的装备故障诊断方法及系统在权利要求书中公布了：1.一种基于联邦域泛化的装备故障诊断方法，其特征在于，包括：获取多个源客户端的领域数据，每个所述源客户端均包含多个所述领域数据；将每个所述源客户端的所述领域数据输入域不变特征学习模块，所述域不变特征学习模块包括故障特征提取器、生成器和鉴别器，所述故障特征提取器提取每个所述领域数据的实际故障特征，所述生成器基于随机噪声形成生成故障特征，所述鉴别器根据所述实际故障特征和所述生成故障特征得到域不变特征；将每个所述源客户端的所述领域数据以及所述实际故障特征输入领域特征学习模块，所述领域特征学习模块包括域特征提取器、域分类器以及多个故障分类器，所述域特征提取器提取每个所述领域数据的域特征，所述域分类器对所述域特征进行分类，得到所述域特征的预测领域，多个所述故障分类器中与所述实际故障特征对应的所述故障分类器对所述实际故障特征进行分类，得到预测故障；基于所述实际故障特征、所述生成故障特征、所述域不变特征、所述预测领域和所述预测故障与所述领域数据中相应标签的差异对本地模型的参数进行调整，得到训练后的本地模型；其中，所述实际故障特征和所述领域数据中相应标签的差异为实际故障损失，所述生成故障特征和所述领域数据中相应标签的差异为生成故障损失，所述域不变特征和所述领域数据中的相应标签的差异为域不变特征损失，所述预测领域与所述领域数据中相应标签之间的差异为领域损失，所述预测故障和所述领域数据中相应标签之间的差异为故障损失，基于所述实际故障损失、所述生成故障损失、所述域不变特征损失、所述领域损失和所述故障损失确定与所述源客户端对应的最终损失，根据所述最终损失对相应的本地模型的参数进行调整；将每个训练后的所述本地模型的参数输入加权聚合模块，得到全局参数，基于所述全局参数得到全局模型，所述全局模型包括全局域特征提取器、全局域分类器、全局故障特征提取器和全局故障分类器；获取目标客户端的待诊断数据；将所述待诊断数据输入所述全局模型，所述全局域特征提取器提取所述待诊断数据的待诊断域特征，所述全局域分类器根据所述待诊断域特征确定所述待诊断域特征与所述源客户端的所述域特征的相似度，所述全局故障特征提取器提取所述待诊断数据的待诊断故障特征，所述全局故障分类器先对所述待诊断故障特征进行初步分类，得到初步诊断结果，然后将所述初步诊断结果和所述相似度结合，得到最终诊断结果。

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西安邮电大学，其通讯地址为：710061 陕西省西安市长安南路563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”。