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未知故障程度下缺失样本插补生成方法、装置及电子设备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：CN119004095B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410669552.5，技术领域涉及：G06F18/214；该发明授权一种未知故障程度下缺失样本插补生成方法、装置及电子设备是由程玉杰;王鹏超;丁宇;马剑;吕琛设计研发完成，并于2024-05-28向国家知识产权局提交的专利申请。

本一种未知故障程度下缺失样本插补生成方法、装置及电子设备在说明书摘要公布了：本发明的实施方式提供了一种未知故障程度下缺失样本插补生成方法、装置及电子设备。该方法包括：从已有的部分已知故障程度下的各个故障样本中分别提取能够表征设备故障程度的退化趋势条件变量，并利用所述每个故障样本的退化趋势条件变量构建训练样本集；构建包含生成器网络的CRGAN‑MDTR网络模型，并利用所述训练样本集对所述包含生成器网络的CRGAN‑MDTR网络模型进行训练，得到训练好的生成器网络；获取目标故障程度下的退化趋势条件变量，并通过将所述目标故障程度下的退化趋势条件变量输入至所述训练好的生成器网络中，生成故障程度对应于所述目标故障程度下的退化趋势条件变量的故障样本，实现了未知故障程度下的缺失故障样本插补生成。本发明能够快速地输出缺陷故障样本，提升了获取故障样本的效率。

本发明授权一种未知故障程度下缺失样本插补生成方法、装置及电子设备在权利要求书中公布了：1.一种未知故障程度下缺失样本插补生成方法，其特征在于，包括： 从已有的部分已知故障程度下的各个故障样本中分别提取能够表征设备故障程度的退化趋势条件变量，并利用所述每个故障样本的退化趋势条件变量构建训练样本集； 从预定的先验噪声分布中采样与训练样本集中的故障样本对相同数量的噪声向量，并按行将所述噪声向量拼接成矩阵； 将故障样本对的退化趋势条件变量复制拼接到噪声向量矩阵中，使故障样本和噪声向量附带的条件变量相同，并将拼接有故障样本对的退化趋势条件变量的噪声向量矩阵作为训练噪声向量； 构建包含生成器网络、判别器网络和退化趋势重建网络的CRGAN-MDTR网络模型，并通过将所述训练噪声向量输入至所述CRGAN-MDTR网络模型的生成器网络中，得到生成样本，并将所述生成样本输入至CRGAN-MDTR网络模型的退化趋势重建网络中，得到重建退化趋势条件变量； 根据所述训练样本集中的故障样本对和所述生成样本，计算插值样本，并利用训练样本集中的故障样本对、所述生成样本及所述插值样本，计算判别器损失； 根据判别器对所述生成样本的判别结果计算生成器损失； 根据退化趋势重建网络对生成样本中包含的退化趋势条件变量的重建结果，计算生成器网络和退化趋势重建网络的条件互信息最大化损失； 基于所述判别器损失、所述生成器损失及所述条件互信息最大化损失，对判别器网络、生成器网络和退化趋势重建网络依次执行优化更新，直至损失收敛，完成CRGAN-MDTR网络模型训练，得到训练好的CRGAN-MDTR网络模型，并从所述训练好的CRGAN-MDTR网络模型中提取出训练好的生成器网络； 获取目标故障程度下的退化趋势条件变量，并通过将所述目标故障程度下的退化趋势条件变量输入至所述训练好的生成器网络中，生成故障程度对应于所述目标故障程度下的退化趋势条件变量的故障样本，实现了未知故障程度下的缺失故障样本插补生成； 其中，所述CRGAN-MDTR是指退化趋势保持率最大化的条件时序生成对抗网络模型；所述CRGAN-MDTR以CGAN架构为基础，在训练结构方面，引入时序LSTM单元，用具有时序特征建模与挖掘能力的LSTM单元代替基本CGAN架构中的全连接单元，在优化目标方面，在引入Wasserstein损失和梯度惩罚，用Wasserstein距离损失替代基本CGAN中的JS散度损失。

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。