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！

龙图腾网获悉北京航空航天大学申请的专利一种基于多属性因子解耦的未知工况组合故障样本重组生成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：CN118503705B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202410647392.4，技术领域涉及：G06F18/214；该发明授权一种基于多属性因子解耦的未知工况组合故障样本重组生成方法是由程玉杰;王高伟;曾继炎;周安;吕琛设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本一种基于多属性因子解耦的未知工况组合故障样本重组生成方法在说明书摘要公布了：本发明公开一种基于多属性因子解耦的未知工况组合故障样本重组生成方法，包括：在已有部分已知工况组合条件下故障样本的基础上，利用深度生成模型的条件分布学习能力，依次开展原始样本重构、同属性样本因子一次互换重构、异属性样本因子二次互换重构训练，将故障样本中与各个工况属性相关的信息储存到隐空间向量中互不重叠的特定区域中，作为与各工况属性相关的因子，实现多工况因子的解耦；进而从包含与目标未知工况组合共享属性的已有样本中进行压缩表征、因子提取和交叉重组，完成未知工况下的缺失故障样本重组生成，实现故障诊断模型在面向复杂变工况条件时的诊断能力提升。

本发明授权一种基于多属性因子解耦的未知工况组合故障样本重组生成方法在权利要求书中公布了：1.一种基于多属性因子解耦的未知工况组合故障样本重组生成方法，其特征在于，包括： 获取已知工况组合的故障样本集合，并利用所述故障样本集合中每个故障样本的工况组合属性构建共享属性样本联接图； 构建编码-解码结构的深度生成模型，并利用所述共享属性样本联接图中的各故障样本之间的共享工况属性关系对所述编码-解码结构的深度生成模型进行训练，得到具有对多个工况属性对应的隐变量因子解耦功能的编码-解码结构的深度生成模型，其包括：利用所述共享属性样本联接图中的各故障样本之间的共享工况属性关系依次对所述编码-解码结构的深度生成模型进行原始样本压缩重构、同属性样本因子一次互换重构及异属性样本因子二次互换重构训练，得到具有对多个工况属性对应的隐变量因子解耦功能的编码-解码结构的深度生成模型； 获取待生成的未知工况组合，并根据所述待生成的未知工况组合的工况属性，选取与所述工况属性相同的已知工况组合的故障样本集合； 通过将与所述工况属性相同的已知工况组合的故障样本集合输入至所述具有对多个工况属性对应的隐变量因子解耦功能的编码-解码结构的深度生成模型，得到未知工况组合下的缺失故障样本的重组生成样本； 其中，对所述编码-解码结构的深度生成模型进行同属性样本因子一次互换重构训练包括： 原始样本编码过程：，； 隐变量因子互换过程：； 互换隐变量解码过程：，； 计算同属性样本因子一次互换重构损失：； 其中，，是由样本，编码而来的隐变量；是隐变量，交换了第j个因子后得到的新的隐变量；，是由隐变量解码而来的生成样本； 对所述编码-解码结构的深度生成模型进行异属性样本因子二次互换重构训练包括： 选取故障样本对，并将故障样本对中的每个故障样本分别输入编码器编码，得到隐变量： ； 对隐变量和对应于属性j的因子进行互换，得到互换隐变量： ； 将互换隐变量输入解码器，解码得到一次互换后的生成样本： ； 再次将一次互换后的生成样本和送入编码器，得到二次编码的隐变量： ； 对二次编码的隐变量和对应于属性j的因子再次进行互换，得到二次互换隐变量： ； 将二次互换隐变量输入解码器，解码得到二次互换后的生成样本： ； 使用均方误差来度量这对二次互换后生成样本对与原始样本对之间的偏差，作为异属性样本因子二次互换重构损失： 。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。