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！

龙图腾网获悉苏州大学申请的专利一种基于流判别模型的新型故障识别方法和装置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：CN117150399B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310830377.9，技术领域涉及：G06F18/2433；该发明授权一种基于流判别模型的新型故障识别方法和装置是由王俊;赵睿;杜贵府;丁传仓;沈长青设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于流判别模型的新型故障识别方法和装置在说明书摘要公布了：本发明公开了一种基于流判别模型的新型故障识别方法和装置，所述方法包括：对已知的类轴承监测数据预处理，获得封闭数据集及类别标签；搭建故障诊断模型，故障诊断模型包括特征提取器和分类器；基于封闭数据集及类别标签对故障诊断模型训练，利用经过训练的故障诊断模型提取封闭数据集中每个监测数据样本的高维特征；搭建流判别模型，流判别模型包括流模型和判别器；基于封闭数据集及其类别标签对流判别模型训练，基于经过训练的故障诊断模型和流判别模型进行在线故障诊断，实现轴承故障类别的诊断。本发明中流模型在与判别器进行对抗训练时可以促进判别器的收敛，从而解决了判别器的最优参数选择困难问题，本方案对新型故障的识别准确率高。

本发明授权一种基于流判别模型的新型故障识别方法和装置在权利要求书中公布了：1.一种基于流判别模型的新型故障识别方法，其特征在于，包括以下步骤： 对已知的类轴承监测数据进行数据预处理，获得封闭数据集及其类别标签； 组合特征提取器和分类器，从而搭建出故障诊断模型，其中，特征提取器用于提取数据样本的高维特征，分类器用于对提取的高维特征进行分类； 基于封闭数据集及其类别标签对故障诊断模型进行训练，获得经过训练的故障诊断模型，并利用经过训练的故障诊断模型提取封闭数据集中每个监测数据样本的高维特征； 组合流模型与判别模型，流模型和判别器在训练的过程中相互对抗，从而形成流判别模型，其中，流模型用于重建真实样本的近似样本，判别器用于判断输入的高维特征来自真实样本还是近似样本，也用于在线故障诊断中判断样本属于已知类故障还是新型故障； 基于封闭数据集及其类别标签对流判别模型进行训练，获得经过训练的流判别模型；以及 基于经过训练的故障诊断模型和流判别模型进行在线故障诊断，实现轴承故障类别的诊断； 对已知的类轴承监测数据进行数据预处理，获得封闭数据集及其类别标签，包括以下步骤： 将已知的类轴承监测数据按轴承健康状态类别进行划分，得到若干监测数据样本以及对应于监测数据样本的类别标签，并对每个监测数据样本进行短时傅里叶变换，获得该监测数据样本的时频谱，所有监测数据样本组成封闭数据集； 所述流模型用于重建真实样本的近似样本，包括以下步骤： 流模型采用自动编码器的结构，通过一系列可逆变换拟合实际数据集与简单先验分布之间的映射关系；假设f·是流模型的映射函数，f--1·为其反函数；推断时，从封闭数据集随机采样监测数据样本x，通过f--1·映射为简单已知分布的向量z；生成时，在已知分布中随机采样向量z，通过f·得到生成的近似样本 基于封闭数据集及其类别标签对流判别模型进行训练，获得经过训练的流判别模型，包括以下步骤： 将提取的封闭数据集中监测数据样本的高维特征输入判别器，输出结果与1计算损失； 在已知分布中随机采样向量z，通过fz得到近似样本将近似样本输入经过训练的故障诊断模型中提取近似样本的高维特征，再将近似样本的高维特征输入到判别器中，输出结果与0计算损失；以及 交替训练判别器与流模型，记录判别器每次的损失，保存损失最低时的流判别模型参数，获得经过训练的流判别模型。

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苏州大学，其通讯地址为：215222 江苏省苏州市吴江区久泳西路1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”。