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一种基于数字孪生与生成对抗网络的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：CN117150897B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311104542.9，技术领域涉及：G06F30/27；该发明授权一种基于数字孪生与生成对抗网络的迁移故障诊断方法是由易辉;仲文君;董露;郑磊;卢铭设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于数字孪生与生成对抗网络的迁移故障诊断方法在说明书摘要公布了：本申请涉及一种基于数字孪生与生成对抗网络的迁移故障诊断方法，涉及工业流程技术领域，该方法包括以下步骤：基于目标器械的滚动轴承的实际尺寸，构建所述滚动轴承的数字孪生模型；基于所述数字孪生模型，获取在预设故障深度以及预设故障宽度下的模拟故障数据；将模拟故障数据输入到改进后的生成对抗网络模型中，获取与模拟故障数据对应的合成故障数据；基于故障诊断模型以及滚动轴承的实际运行数据，判断目标器械的滚动轴承的故障类型，使得在虚拟实体上训练得到的故障诊断模型可用于物理实体的故障诊断问题，解决了物理实体中故障数据不足的问题。在本方法中依据后门攻击防御效果来及时对参数迭代优化速率进行调整，使得调整后的防御模型对后门的防御效果更好。

本发明授权一种基于数字孪生与生成对抗网络的迁移故障诊断方法在权利要求书中公布了：1.一种基于数字孪生与生成对抗网络的迁移故障诊断方法，其特征在于，所述方法包括以下步骤： 基于目标器械的滚动轴承的实际尺寸，构建所述滚动轴承的数字孪生模型； 基于所述数字孪生模型，获取在预设故障深度以及预设故障宽度下的模拟故障数据； 将所述模拟故障数据输入到改进后的生成对抗网络模型中，获取与所述模拟故障数据对应的合成故障数据；所述合成故障数据用于训练故障诊断模型； 基于所述故障诊断模型以及所述滚动轴承的实际运行数据，判断所述目标器械的滚动轴承的故障类型；所述基于目标器械的滚动轴承的实际尺寸，构建所述滚动轴承的数字孪生模型，包括以下步骤： 基于所述目标器械的滚动轴承中各部件的几何尺寸、形状以及各部件之间的位置关系，生成所述滚动轴承的几何模型；基于所述目标器械的滚动轴承的物理属性，获取映射所述滚动轴承本身物理状态的物理模型； 基于所述滚动轴承对内外部环境和系统指令的动作响应，获取所述滚动轴承的行为模型； 基于历史运行数据与相对应的滚动轴承运行状态总结的故障发生规律，获取所述滚动轴承的规则模型； 所述基于所述数字孪生模型，获取在预设故障深度以及预设故障宽度下的模拟故障数据，包括以下步骤： 基于所述几何模型、物理模型、行为模型以及规则模型，获取所述滚动轴承的数字孪生模型； 为所述数字孪生模型设定预设故障深度以及预设故障宽度； 基于所述数字孪生模型在所述预设故障深度以及预设故障宽度的响应，获取所述数字孪生模型的模拟故障数据； 所述改进后的生成对抗网络模型包括生成网络以及判别网络； 所述判别网络的训练过程包括： S301，随机对高斯噪声进行采样，获取真实样本以及生成样本； 随机采样高斯噪声得到的噪声向量生成网络将其映射为隐含层矢量形成生成样本对应的类别标签为 其中：θz，θz'分别为生成网络的输入层与输出层的参数集，且θz＝{Wz,bz}，θz'＝{Wz',b'z}；Wz与Wz'为权重矩阵；bz与b'z为偏置向量； S302，利用第一交叉熵代价函数训练判别网络，直至生成样本以及真实样本的类别标签的代价函数误差最小； S303，利用第二交叉熵代价函数训练所述生成网络，直至生成样本以及真实样本的真伪标签的代价函数误差最小，完成对判别网络的训练过程； 将标注为0，真实样本标注为1，将真实样本与生成样本输入至SCAE进行真伪判定和故障识别，通过公式1给出样本的真伪标签以及类别标签 其中，ym为输出类别标签；θN+1为分类层参数集；sg为分类层激活函数； SA-SCAE-ACGAN通过最小化真伪标签与类别标签的代价函数误差，完成判别器SCAE的训练；基于交叉熵代价函数lSA-SCAE-ACGAN-D为： 其中：lc为类别标签的交叉熵代价函数误差；ld为真伪标签的交叉熵代价函数误差； 其中：Θ为参数集，Θ＝{θ1,θ2,...,θN+1}； 生成器的训练过程包括：首先将标注为1，判别器SCAE对生成样本进行判别，输出结果为假时，说明生成器的生成样本无法成功欺骗判别器，然后通过下方公式对生成网络进行反馈调节； 其中：lSA-SCAE-ACGAN-G为生成器的代价函数；Θ'为参数集，Θ'＝θz,θ′z；lg为真伪标签的交叉熵代价函数误差； 式中，ξ为平滑系数；α为变化幅度系数；引入ξ是为了防止DGzr过小导致ω过大；变化幅度系数α可使判别器性能与生成器性能相差较大时的ω变化更大，加快训练收敛速度。

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 江苏省南京市浦珠南路30号南京工业大学江浦校区；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”。