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！

龙图腾网获悉湖南科技大学申请的专利基于稀疏学习和黎曼度量的传动链跨域迁移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：CN121705857B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610216788.2，技术领域涉及：G06F18/241；该发明授权基于稀疏学习和黎曼度量的传动链跨域迁移故障诊断方法是由刘朝华;王斌;黄采伦;赵延明;文必胜;南茂元;张红强;何赟泽;吕明阳设计研发完成，并于2026-02-14向国家知识产权局提交的专利申请。

本基于稀疏学习和黎曼度量的传动链跨域迁移故障诊断方法在说明书摘要公布了：本发明公开了基于稀疏学习和黎曼度量的传动链跨域迁移故障诊断方法，包括以下步骤：数据采集和预处理；构建基于稀疏自编码器的特征提取模型；通过协方差映射与黎曼降维对提取的特征进行处理；将降维后的流形特征输入多层感知器分类器，对故障类型进行分类。本发明提出了一种基于稀疏自编码器的特征提取模型，该模型能够在多种工况条件下自动提取具有不变性的特征，并结合类判别分析与源域‑目标域匹配策略，实现不同工况之间的有效故障识别与诊断精度提升。

本发明授权基于稀疏学习和黎曼度量的传动链跨域迁移故障诊断方法在权利要求书中公布了：1.基于稀疏学习和黎曼度量的传动链跨域迁移故障诊断方法，其特征在于，包括以下步骤： 步骤一，数据采集和预处理：采用振动加速度传感器对传动链振动信号进行实时监测，收集轴承和齿轮在不同故障条件和不同工作条件下的振动信号，得到带标签的训练集和不带标签的测试集，带标签的训练集即为源域，不带标签的测试集即为目标域； 步骤二，构建基于稀疏自编码器的特征提取模型：所述特征提取模型包括输入层、至少两层编码层、与编码层对应的解码层、输出重构层，编码层对源域和目标域数据进行联合编码，对稀疏自编码器进行改进，引入辨识性约束项以增强不同类别故障特征在潜在特征空间中的区分能力，从而提取在不同工况条件下具有不变性的特征； 所述步骤二中，稀疏自编码器的目的是通过不断更新梯度最小化损失函数，通过对特征的稀疏提取，增强数据特征的非线性表示和聚集与可分类性，损失函数为： ； 其中，是损失函数；是重构误差；是稀疏权重；是第个重构样本；是第个原始输入样本，为稀疏率，为第个隐藏单元的平均激活概率，为平衡重构和判别性的量，为辨识性约束项，表示KL散度； 辨识性约束项为： ； 其中，是类的中心向量； KL散度定义为： ； 步骤三，通过协方差映射与黎曼降维对提取的特征进行处理：将提取的特征构建为协方差矩阵，然后将协方差矩阵映射至对称正定矩阵流形，并基于黎曼度量进行特征降维，得到降维后的流形特征； 步骤四，将降维后的流形特征输入多层感知器分类器，对故障类型进行分类。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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。