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！

龙图腾网获悉南京航空航天大学申请的专利一种基于KAAE的旋转机械无监督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：CN119577647B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411639757.5，技术领域涉及：G06F18/2433；该发明授权一种基于KAAE的旋转机械无监督异常检测方法是由汪红星;朱华;李华峰设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于KAAE的旋转机械无监督异常检测方法在说明书摘要公布了：一种基于KAAE的旋转机械无监督异常检测方法，1数据采集：采集旋转机械的关键传动部件正常状态和异常状态的振动信号；2数据预处理：通过滑动窗口采样、归一化和快速傅里叶变换得到样本集，并划分为仅包含正常样本的训练集和验证集，以及包含正常样本和异常样本的测试集；3模型搭建：结合科尔莫哥罗夫‑阿诺德网络KAN与自编码器AE，构建科尔莫哥罗夫‑阿诺德自编码器KAAE；4模型训练、验证与测试：在训练集上训练模型，在验证集上得到异常检测阈值，在测试集上评估模型性能；5异常检测：使用训练好的模型对旋转机械进行异常检测。本发明充分捕捉数据中的复杂依赖关系和潜在表示，从而更好地拟合正常数据的分布，用于旋转机械无监督异常检测。

本发明授权一种基于KAAE的旋转机械无监督异常检测方法在权利要求书中公布了：1.一种基于KAAE的旋转机械无监督异常检测方法，其特征在于，包括以下步骤： 步骤一、数据采集： 采集旋转机械的关键传动部件正常状态和异常状态的振动信号； 步骤二、数据预处理： 通过滑动窗口采样、归一化和快速傅里叶变换得到样本集，并划分为仅包含正常样本的训练集和验证集，以及包含正常样本和异常样本的测试集； 步骤三、模型搭建： 结合科尔莫哥罗夫‑阿诺德网络KAN与自编码器AE，构建科尔莫哥罗夫‑阿诺德自编码器KAAE； KAAE使用KAN层取代AE中的全连接层； 所述KAAE为对称结构，包含编码网络和解码网络，两者具有相同数量的层，层的数量根据不同任务需要进行调整； 所述KAAE中，编码网络通过KAN将高维的输入数据压缩为低维的特征表示，每一层逐渐减小数据的维度；解码网络通过KAN将低维的特征表示转换为输入数据的重构形式，每一层逐渐增加数据的维度，目标是重构输入数据以获得最能表达数据本质特征的低维表示，如下式所示：     1    2    3其中，x∈ℝN表示输入数据，f·表示编码网络，h∈ℝM表示编码后得到的低维特征，g·表示解码网络，z∈ℝN表示解码后得到的重构数据，LMSE表示均方误差重构损失函数，模型的训练目标是使其最小化； 所述KAN中，每一层被结构化为可学习的激活函数矩阵，在训练过程中被参数化与优化，如下式所示：     4其中，nin和nout分别表示输入特征维度和输出特征维度； 所述KAN通过堆叠层来实现，每一层的映射变换作用于前一层的输出，产生下一层的输入，一个L层的KAN，如下式所示：     5    6    7    8其中，φl,j,i表示连接第l层中第i个神经元和第l+1层中第j个神经元的可学习激活函数，xl+1,j表示第l+1层中第j个神经元的激活值，Φl表示第l层的函数矩阵，包含nl×nl+1个可学习激活函数； 所述可学习激活函数为样条函数和偏置函数的加权和，如下式所示：     9    10    11其中，spline·表示B样条函数的线性组合，ci表示可学习的组合系数，b·表示偏置函数，ws和wb表示可学习的权重因子，以更好地控制可学习激活函数的整体幅度； 步骤四、模型训练、验证与测试： 在训练集上训练模型，在验证集上得到异常检测阈值，在测试集上评估模型性能； 步骤五、异常检测： 使用训练好的模型对旋转机械进行异常检测。

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航空航天大学，其通讯地址为：210000 江苏省南京市秦淮区御道街29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”。