本发明公开了一种补标记约束下的工业设备故障诊断方法及系统，属于工业智能运维与故障预测健康管理技术领域。方法包括：采集设备振动信号并预处理；构建一个基于一维残差的双头深度网络作为补标记学习模型；利用基于最大似然估计的补标记生成联合概率化损失函数，使模型从“否定性”标签中学习故障特征；利用训练好的模型实现高精度故障分类。本发明将弱监督学习中的补标记学习范式应用于工业设备故障诊断，在CWRU、MFPT等多个标准轴承数据集上取得了超过90%的诊断准确率，该方法显著降低了数据标注门槛，有效解决了工业场景中故障样本稀缺、标注困难的痛点，具有重要的实际应用价值。
📄 2026101489107
📂 G06F18_2415
👤 南京信息工程大学
📅 2026-02-03
本发明公开了一种基于时频功率谱重构的水下推进器故障诊断方法，获取水下机器人动态信号的时间序列；计算时间序列的时频功率谱；针对瞬时频谱构造概率密度函数；计算瞬时香农熵，并构成瞬时香农熵曲线；确定瞬时香农熵曲线中最小值所在位置；然后对时频功率谱进行重构；以重构时频功率谱作为输入，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。通过重构的推进器动态信号的时频功率谱，减少故障信息在监测信号序列中的位置发生改变的影响，有效减少了迭代次数，提高了推进器故障程度辨识分类准确率。
📄 2023103614216
📂 G06F18_241
👤 江苏科技大学
📅 2023-04-06
本发明公开了一种基于时域序列特征重构的水下推进器故障诊断方法，首先获取水下机器人动态信号的时域序列；然后进行小波包分解得到特征信号；根据特征信号确定最大故障特征值的位置；然后时域序列进行重构：如果最大故障特征值的位置位于时域序列的后半部分，则截取时域序列前半部分中部分序列置于时域序列的后端；如果最大故障特征值的位置位于时域序列的前半部分，则截取时域序列后半部分中部分序列置于时域序列的前端；以重构的时域序列作为故障样本，通过故障诊断模型进行故障程度诊断。通过重构的推进器动态信号的时域序列，减少故障信息在监测信号序列中的位置发生改变的影响，有效提高了推进器故障程度辨识的收敛速度和分类准确率。
📄 2023103614930
📂 G06F18_241
👤 江苏科技大学
📅 2023-04-06
本发明涉及远程故障诊断技术领域，具体为一种基于云平台的风电机组远程故障诊断方法及系统，包括以下步骤：基于风电机组的设计参数和实时运行数据，采用数据融合技术，通过对来自传感器、操作日志和历史维护记录的数据进行格式化处理、去除噪声和缺失值处理，生成综合数据集。本发明中，通过整合不同来源数据的数据融合技术，图神经网络算法可理解组件间互动，长短期记忆网络有助于识别和预测组件性能变化趋势，从而强化故障点预测能力，孤立森林算法在识别异常模式上表现卓越，提高了异常检测精确度，贝叶斯网络在故障原因概率推断上提供新视角，而遗传算法在系统参数优化方面显示出优异性能，使诊断过程更加精准高效。
📄 2024101072814
📂 G05B23_02
👤 南京工业职业技术大学
📅 2024-01-25
本申请提出一种融合CNN与图注意力网络的旋转设备故障诊断方法。多传感器分别捕捉电机、轴承、齿轮箱、联轴器和旋转负载各部位的关键运行信号，通过GRU网络输入至多通道注意力模块后输出特征序列，将特征序列拼接成二维特征矩阵输入至CNN与混合注意力机制模块，得到各部位故障特征；将故障特征按照时间序列分窗并依据重要性动态加权后重组；以不同部位重组特征作为节点、节点间的显著交互关系作为边，构建全局故障诊断图；通过图注意力网络学习各节点间的交互信息并聚合，得到全局故障特征；构造图网络联合优化损失函数，分析并优化模型参数。本模型通过多阶段融合的方式，全面挖掘故障信息，极大提升了故障诊断的准确性。
📄 2025110992514
📂 G06F18_213
👤 湖南师范大学
📅 2025-08-06
本发明涉及一种基于残差多维泰勒网的暖通空调故障诊断方法，针对目标暖通空调所对应的各类型故障、考虑各暖通空调变量类型数据，针对基于BP‑MTN分类器所创新设计的残差多维泰勒网（ResNet Multidimensional Taylor Network,ResMTN）分类器进行训练，获得暖通空调故障诊断模型，其中ResMTN分类器依次包括输入层、多项式层、激活层、残差连接模块、全连接层、Softmax层、输出层，进而在应用中实现对目标暖通空调的故障诊断；设计方案简化了模型复杂度、提升模型泛化能力，与常用的机器学习分类器相比，能够在不降低分类准确率的同时，提高暖通空调的检测效率。
📄 2023110742632
📂 G06F18_241
👤 南京信息工程大学
📅 2023-08-24
本发明公开了基于深度学习的单源域泛化故障诊断方法，属于机械故障诊断领域。该方法包括：通过编码器提取特征，得到类相关特征和类无关特征；将类相关特征和类无关特征经过特征级协混增强模块进行增强；将增强类相关特征和增强类无关特征经过解码器的处理；对训练集中样本进行局部聚类；对诊断模型进行训练，将测试集数据输入至已完成训练的诊断模型中，实现故障的诊断。本发明通过梯度正交和冗余抑制约束编码器，提取类相关特征和类无关特征，并通过特征增强和相似度筛选后，选择合适的增强数据扩充数据集，最后通过局部聚类增强类别之间的区分，训练模型以提升诊断准确率。
📄 2025110386069
📂 G06F18_24
👤 南京信息工程大学
📅 2025-07-28
本发明涉及电力设施故障检测技术领域，公开了一种电力设施多光谱遥感巡检与故障诊断方法，该方法通过无人机平台搭载多光谱遥感设备获取电力设施的多光谱图像数据，并进行预处理以提取光谱特征。构建光谱特征分析模型评估电力设施健康状况，结合历史故障数据构建故障诊断模型，确定故障类型和位置。为优化故障诊断过程，本发明将故障诊断建模为马尔可夫决策过程，通过定义状态空间、动作空间、奖励函数及输出策略，并利用强化学习算法不断优化决策动作，提高故障诊断的准确性和效率。本发明实现了电力设施的智能化、自动化巡检与故障诊断，为电力设施的安全稳定运行提供了强有力的技术支撑，具有广阔的应用前景和重要的实用价值。
📄 2024119338579
📂 G06V20_17
👤 南京信息工程大学
📅 2024-12-26
本发明公开了一种基于梯度评分的动态多维泰勒网的故障诊断方法，包括首先构建故障信号特征数据集，包括若干故障原始信号、以及对应的故障标签。然后构建基于梯度评分的动态多维泰勒网的故障诊断神经网络，输入数据依次经过输入层、全连接层、多项式层、Sigmoid层、梯度打分层、打分排序选择层以及输出层进行前向传播。在梯度打分层利用自动微分技术计算损失函数相对于每个单项式系数的梯度，在打分排序选择层根据梯度对单项式进行排序，并动态调整单项式的激活状态，根据计算得到的梯度进行后向传播，更新模型的各层参数，根据计算得到的梯度进行后向传播，更新模型的各层参数，最后，输出层输出故障诊断结果。
📄 202411452273X
📂 G06F18_2415
👤 南京信息工程大学
📅 2024-10-17
本发明涉及油气勘探与开发技术领域，具体地涉及一种基于改进自适应激活函数的深度学习抽油机故障诊断方法，设计的激活函数将可学习参数与注意机制相结合，通过链式求导更新可学习参数，形成全局最优搜索；注意机制提高了输入特征的学习能力，形成了局部最优搜索；将局部最优搜索与全局最优搜索相结合，改善了激活函数的非线性，解决了传统激活函数的缺陷；本发明激活函数更加灵活多变，具有较好的泛化性能和搜索能力，提高了故障诊断的准确性。
📄 2022114360632
📂 G06F18_241
👤 齐鲁工业大学(山东省科学院),东北石油大学
📅 2022-11-16
本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的基于改进PSO‑BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
📄 2021104728516
📂 G01M13_021
👤 东北电力大学
📅 2021-04-29
本公开涉及电变量测量技术领域，具体涉及一种基于电参数的智能电网线路短路故障诊断方法。所述方法包括：获取所述电网线路上的电参数数据；根据所述电参数数据，获取所述电网线路的短路故障分析时间窗；在所述短路故障分析时间窗内对所述电网线路进行短路故障诊断。本公开实施例能够根据短路诊断误判系数调整电网线路的短路故障分析时间窗的目标时长，从而减少因大型设备启动时短时间电流突增导致的短路故障误判，提高对电网线路短路故障诊断的准确性和可靠性。
📄 2025110937841
📂 G01R31_08
👤 南通原力云信息技术有限公司
📅 2025-08-06
柿子坊 · 知识产权运营
柿子坊知识产权运营平台