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！

龙图腾网获悉华南理工大学申请的专利基于特征对齐残差GAN的机械旋转设备变工况异常检测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：CN117113252B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311060547.6，技术领域涉及：G06F18/2433；该发明授权基于特征对齐残差GAN的机械旋转设备变工况异常检测方法是由李巍华;万海洋;陈祝云;许维冬;贺毅设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本基于特征对齐残差GAN的机械旋转设备变工况异常检测方法在说明书摘要公布了：本发明公布了基于特征对齐残差GAN的机械旋转设备变工况异常检测方法，所述方法包括：将旋转机械数据构建时频图，利用一种编码器GEx与解码器GDx分别结合残差模块ResNet的自编码网络进行时频图的重构，利用判别器D判别重构数据和源数据的真假从而判断出异常数据，网络的损失函数含有对抗损失Ladv、生成器重建数据误差的上下文损失Lcon、编码器损失Lenc，以及构造排位奇偶数据分类进行特征值对齐的Wassersteindistance的损失Lw‑gan。本发明对变工况状态下的旋转机械的异常检测有很好的效果，能够提前检测旋转机械设备故障异常，保证工业系统长周期稳定运行、避严重事故的发生具有重要的社会意义。

本发明授权基于特征对齐残差GAN的机械旋转设备变工况异常检测方法在权利要求书中公布了：1.基于特征对齐残差GAN的机械旋转设备变工况异常检测方法，其特征在于，包括以下步骤： S1：采集机械旋转设备不同工况下的正常及异常振动信号数据，将采集得到的信号转化为时频图； S2:基于特征对齐残差GAN训练思想构建异常检测方法RWGAN网络，其中，RWGAN网络包括生成器G和判别器D，且生成器G中设置有残差模块ResNet，生成器G用来学习输入图像χ的数据分布并重建图像χ，判别器D用来判别输入图像χ和由生成器G生产的重建图像χ进行对比，判断数据的正常与异常； S3:将变工况下的正常数据输入到RWGAN网络中，进行迭代更新训练； S4：经过多次迭代训练，误差曲线趋于稳定，完成RWGAN网络训练，迭代训练时，RWGAN网络的损失函数包括构造奇偶位数据分类进行特征值对齐的Wassersteindistance的损失Lw-gan，损失Lw-ga的表达式为 式中，Zeven是数据集中全体排位奇数位数据时频图的集合，Zodd是数据集中全体排位偶数位数据时频图的集合，他们符合一个概率分别为P1和P2的联合分布γ,γ～ΠP1,P2； S5:将变工况下的正常数据时频图和异常数据时频图输入到训练好的RWGAN网络，检测出变工况下的设备异常数据。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。