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！

龙图腾网获悉常州大学申请的专利基于DCGAN-DCNN的管道阀门内漏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：CN116008399B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211617647.X，技术领域涉及：G01N29/14；该发明授权基于DCGAN-DCNN的管道阀门内漏故障诊断方法是由王新颖;胡磊磊;陈海群;冯胜;李仕敏设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本基于DCGAN-DCNN的管道阀门内漏故障诊断方法在说明书摘要公布了：本发明涉及管道阀门技术领域，尤其涉及基于DCGAN‑DCNN的管道阀门内漏故障诊断方法，包括采集正常工况及不同泄漏工况下的管道阀门的声发射数据；将声发射数据导出为电压数据，并进行预处理；构建DCGAN网络模型，并进行目标函数优化，并采用批量标准化对模型进行训练，并使用随机梯度下降法进行参数更新，对故障信号数据进行扩充；通过相似度对比算法对DCGAN网络模型进行准确性进行评估；利用扩充后的数据训练DCNN模型；基于模型召回率、精准率和F1分数选择生成数据的比例。本发明为了解决现有阀门故障诊断模型在样本数据不足情况下故障诊断效果差问题。

本发明授权基于DCGAN-DCNN的管道阀门内漏故障诊断方法在权利要求书中公布了：1.基于DCGAN-DCNN的管道阀门内漏故障诊断方法，其特征在于，包括以下步骤： 步骤一、采集正常工况及不同泄漏工况下的管道阀门的声发射数据； 步骤二、将声发射数据导出为电压数据，并进行预处理； 步骤三、构建DCGAN网络模型，进行目标函数优化，并采用批量标准化对模型进行训练，并使用随机梯度下降法对DCGAN网络进行参数更新，对故障信号数据进行扩充； DCGAN网络模型的生成器由六个反卷积层和一个全连接层构成，生成器由六个反卷积层和一个全连接层构成；首先将高斯噪声输入全连接层，将输入的噪声映射到DCGAN网络进行反卷积的维度，第一层将大维度的输入映射到小维度的输出，后面的层均将输入的数据维度映射到之前的两倍作为输出，数据的维度逐层递增一倍，直到输出的维度为512，第二至六层均通过反卷积操作实现声发射信号的上采样，逐层扩大输出数据的维度，实现声发射信号的生成；判别器由六个卷积层和一个全连接层构成，首先将预处理后的声发射信号和生成器生成的信号作为模型的输入，采用卷积层对信号进行下采样，前六层的维度是逐层减半的，最后一层通过全连接层将上一层的输入映射到一个1*1维度的值作为判别器网络的输出，最后通过全连接层，将卷积核提取到的特征映射到1*1的值，作为判别器的输出； 目标函数优化的公式为： ； 式中，为真实数据X在判别器上的输出；为随机噪声中的随机向量在生成器中的输出，为判别器判断生成信号是否真实的概率，为随机采样真实数据，为向量的先验分布； 步骤四、通过相似度对比算法对DCGAN网络模型进行准确性进行评估； 步骤五、利用扩充后的数据训练DCNN模型； 步骤五具体包括： DCNN模型包括输入层、卷积层、池化层和全连接共四个卷积组成，每个卷积包括2个卷积层和一个最大池化层，将前3个卷积的卷积核的移动步长设置为2，第4个单元的卷积核步长设置为1；Padding方式均设置为Same；激活函数设置为ReLU，在第4个单元的最后添加平均池化层继续压缩特征并设置Dropout，最后通过全连接层输出类别的概率分布； 步骤六、基于模型召回率、精准率和F1分数选择生成数据的比例。

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常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21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”。