基于F&K域增量学习的滚动轴承故障诊断方法及系统（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于F&K域增量学习的滚动轴承故障诊断方法及系统，方法包括：采集随时间变化连续到来的不同工况下的电机滚动轴承数据样本；对每个工况下的电机滚动轴承数据样本构建筛选列和知识库的可扩展框架，由每个新工况的数据样本与旧工况知识库中的代表性样本混合后筛选得到对应的新工况的代表性样本并保存在对应的知识库中；利用EWC算法，使用旧工况知识库的代表性样本训练模型并使用新工况知识库的代表性样本更新模型参数；根据更新的模型参数获取新工况的故障类别的预测值，得到故障诊断结果。本发明允许模型处理随时间变化连续到来的不同工况的数据，在学习新工况知识的同时有效地保留旧工况的知识，从而更好地进行实时故障诊断。

《基于F&K域增量学习的滚动轴承故障诊断方法及系统（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023113526245，当前法律状态为已下证，由长沙理工大学提出申请，发明人为孙梅迪;肖鑫淼;何哲文;陈棠燕;吴公平;何青，申请日期为2023-10-18，公开（公告）日期为2025-04-08，国际专利分类号（IPC）为 G01M 13/045 (2019.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于F&K域增量学习的滚动轴承故障诊断方法及系统，方法包括：采集随时间变化连续到来的不同工况下的电机滚动轴承数据样本；对每个工况下的电机滚动轴承数据样本构建筛选列和知识库的可扩展框架，由每个新工况的数据样本与旧工况知识库中的代表性样本混合后筛选得到对应的新工况的代表性样本并保存在对应的知识库中；利用EWC算法，使用旧工况知识库的代表性样本训练模型并使用新工况知识库的代表性样本更新模型参数；根据更新的模型参数获取新工况的故障类别的预测值，得到故障诊断结果。本发明允许模型处理随时间变化连续到来的不同工况的数据，在学习新工况知识的同时有效地保留旧工况的知识，从而更好地进行实时故障诊断。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！