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！

龙图腾网恭喜南京航空航天大学申请的专利一种小样本类不平衡的轴承智能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：CN115017946B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210593262.8，技术领域涉及：G06F18/2433；该发明授权一种小样本类不平衡的轴承智能故障诊断方法是由李舜酩;李冉冉;徐坤;曾梦洁;李香莲;陆建涛设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本一种小样本类不平衡的轴承智能故障诊断方法在说明书摘要公布了：本发明公开了一种小样本类不平衡的轴承智能故障诊断方法。首先使用振动加速度传感器采集轴承振动信号；其次对采集的原始振动信号进行快速傅里叶变换转换为频域信号，接着对变换后的信号进行1‑范数正则化处理，将每个样本缩放到单位范数，保留原始数据的分布；再次结合自编码网络和双判别器搭建生成对抗网络AD2GAN网络；从次按照设定的损失目标函数对AD2GAN模型不断进行迭代训练，当训练稳定后保存生成的数据；然后将保存的样本按需求补充到原始不平衡样本中，使之达到类平衡；最后利用深度卷积神经网络作为故障诊断模型进行故障诊断。本发明所提方法在故障诊断效果方面有了实质性提升，诊断精度高、稳定性好、泛化性强。

本发明授权一种小样本类不平衡的轴承智能故障诊断方法在权利要求书中公布了：1.一种小样本类不平衡的轴承智能故障诊断方法，其特征在于，包括以下步骤：1数据采集：使用振动加速度传感器采集轴承原始振动信号；2数据预处理：对步骤1中采集的原始振动信号进行数据预处理；3网络模型搭建及训练：搭建辅助双判别器生成对抗网络AD2GAN网络模型，对模型进行训练；4数据生成：保存模型依据输入信号生成的假样本；5类平衡：平衡各类故障样本与正常样本的数量；6故障诊断：利用类平衡后的数据集对故障诊断模型进行训练，然后利用测试集对训练好的故障诊断模型进行测试，完成智能故障诊断；步骤3的实现过程为：所述AD2GAN网络模型包括结合自编码网络构建的生成器和双判别器；其中：所述自编码网络包括编码输入层、编码器第一隐藏层、特征输出层即解码器输入层、解码器第一隐藏层以及解码器重构输出层；其中所述编码输入层用来输入频域信号；所述编码器第一隐藏层以及特征输出层均用来特征提取；所述解码器第一隐藏层以及解码器重构输出层均是对编码器输出的特征进行特征重构；所述生成器包括输入层、多层全连接层以及对抗输出层，其中所述多层全连接层中的第三层全连接层与所述解码器第一隐藏层共享，所述对抗输出层与所述解码器重构输出层共享；所述双判别器包括判别器D1以及判别器D2，组成结构相同但不共享权重，所述判别器D1以及判别器D2均包括输入层、第一层全连接层、第二层全连接层、分数评判输出层；步骤4的实现过程为：在步骤1获取的N-1类故障样本中选择K类型样本的少量样本作为生成器生成样本的模板，记为真样本X；选择与K故障类型的真样本X对等数目且维度为100的随机噪声作为生成器的输入,记为随机噪声Z，生成器生成故障类型为K的假样本，记为GKZ，然后将生成的假样本GKZ与真样本X同时输入到双判别器进行分数评估；将所述判别器D1以及判别器D2的损失目标函数定义为： 生成器的损失目标函数定义为： 其中X表示真样本，GZ表示生成样本，Z表示随机噪声，D1X和D2X分别表示判别器D1和D2对真实样本的评分，D1GZ和D2GZ分别表示表示判别器D1和D2对生成器生成的假样本的评分，表示真实数据分布的期望，表示生成数据分布的期望，Xfeature表示解码器对真样本X进行特征提取后在解码器第一隐藏层解码所获得的特征，GZfeature表示生成器对GZ进行特征提取在第三层全连接层所获得的特征，α、β、λ为超参数。

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：210016 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”。