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！

龙图腾网获悉南京工业大学申请的专利物理知识驱动的迁移学习跨工况轴承故障分类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：CN121598176B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610130996.0，技术领域涉及：G06F18/241；该发明授权物理知识驱动的迁移学习跨工况轴承故障分类方法是由陈闯;王泽锋;史建涛;施歌;岳冬冬;鲍丹;刘钦源设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本物理知识驱动的迁移学习跨工况轴承故障分类方法在说明书摘要公布了：本发明涉及一种物理知识驱动的迁移学习跨工况轴承故障分类方法，包括通过采集轴承驱动端振动加速度信号构建源域与目标域数据集；构建跨工况轴承故障分类模型，基于高斯核、拉普拉斯核、四个不同方向的Sobel核进行深度可分离卷积，提取物理量构建物理增强多头自注意力机制，结合门控机制优化传统前馈网络，设计基于多专家路径与物理门控的的分类器；结合高斯核MMD进行迁移学习；利用训练好的工况轴承故障分类模型对实测轴承驱动端振动加速度信号输出轴承故障分类结果，实现不同工况条件下的轴承故障分类。本发明有效抑制工况差异与噪声扰动，显著提升在复杂实际场景中的轴承故障识别精度与鲁棒性。

本发明授权物理知识驱动的迁移学习跨工况轴承故障分类方法在权利要求书中公布了：1.一种物理知识驱动的迁移学习跨工况轴承故障分类方法，其特征在于，包括： 利用多点布置的加速度振动传感器采集轴承在不同工况条件下的驱动端振动加速度信号，结合时间索引按时间顺序构建多工况条件下的原始振动序列； 从所构建的多工况条件下的原始振动序列中，选取任意一个工况条件下的原始振动序列作为源域信号，再从剩余未被选取的多工况条件下的原始振动序列中选取一个工况条件下的原始振动序列作为目标域信号，以无监督的形式构建源域训练集、目标域验证集与目标域测试集；所述源域训练集含有故障类别标签，所述目标域验证集与所述目标域测试集不含故障类别标签； 构建跨工况轴承故障分类模型，所述跨工况轴承故障分类模型，包括： 骨干网络，将输入的信号转化为可学习张量； PDE多尺度卷积模块，基于高斯核、拉普拉斯核、四个不同方向的Sobel核，分别对可学习张量进行深度可分离卷积，构造PDE正则项用于总损失计算并结合物理门控机制生成物理门控融合特征； 物理驱动的Transformer，对物理门控融合特征提取物理量并设计物理增强多头自注意力机制与物理门控前馈网络，获得最终输出特征； 分类器，将最终输出特征转化为预测故障类别； 构建总损失对跨工况轴承故障分类模型进行训练，训练完成的跨工况轴承故障分类模型作为最优跨工况轴承故障分类模型； 实时采集轴承驱动端振动加速度信号，输入所述最优跨工况轴承故障分类模型，以其输出的预测故障类别作为轴承故障分类结果，实现不同工况条件下的轴承故障分类。

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工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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”。

以上内容由龙图腾AI智能生成。