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！

龙图腾网获悉西安交通大学申请的专利基于算法展开对抗学习的机械异常可解释智能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：CN115392395B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211114709.5，技术领域涉及：G06F18/2433；该发明授权基于算法展开对抗学习的机械异常可解释智能检测方法是由王诗彬;安波涛;覃赋华;赵志斌;丁宝庆;孙闯;严如强;陈雪峰设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本基于算法展开对抗学习的机械异常可解释智能检测方法在说明书摘要公布了：公开了一种基于算法展开对抗学习的机械异常可解释智能检测方法，方法中，采集机械设备正常运行的振动信号y，将其按照固定的信号长度裁剪为训练数据集；建立深度稀疏编码模型，对振动信号y进行深度编码，再映射到d维隐编码z；使用近端梯度映射算法求解深度稀疏编码模型，并将优化求解算法展开为稀疏编码网络，从隐编码z到原始信号的重构为解码网络，两者共同构成生成器网络G，构造判别器网络D对隐编码Z的分布进行约束，匹配先验分布pz；使用训练数据集训练生成器网络G和判别器网络D，利用反向传播技术更新网络参数，降低网络对振动信号的重构误差及编码分布pz|y与先验分布pz的差距；将测试信号输入训练好的生成器网络G中，通过判别器网络D输出信号的真伪。

本发明授权基于算法展开对抗学习的机械异常可解释智能检测方法在权利要求书中公布了：1.一种基于算法展开对抗学习的机械异常可解释智能检测方法，其特征在于，其包括以下步骤， 第一步骤S1中，采集机械设备正常运行的振动信号，将其按照固定的信号长度裁剪为训练数据集； 第二步骤S2中，建立深度稀疏编码模型，对振动信号进行深度编码，再映射到维隐编码； 第三步骤S3中，使用近端梯度映射算法求解所述深度稀疏编码模型，并将优化求解算法展开为稀疏编码网络，从隐编码到原始信号的重构为解码网络，两者共同构成生成器网络，构造判别器网络对隐编码的分布进行约束，匹配先验分布； 第四步骤S4中，通过设定固定的循环次数，使用所述训练数据集训练所述生成器网络和判别器网络，利用反向传播技术更新网络参数，降低网络对振动信号的重构误差及编码分布与先验分布的差距，对抗训练的损失函数定义为： ， ， 其中表示对和求期望值，为生成器网络的损失函数，为判别器网络的损失函数，表示判别器网络，为生成器网络中的编码器部分，生成器损失函数的构成中，为对抗损失，用以评判编码分布与先验分布的差距，为重构损失，为调整两者比例的参数，对抗损失和重构损失的定义如下： ， ， 其中表示对求期望值，在训练过程中，设置网络训练的参数为：对抗损失与重构损失的权值为，迭代15次，每次迭代过程使用批量大小为64个样本，生成器的学习率为5e-4，判别器的学习率为2e-4，优化器为Adam，优化器的动量的两个指标分别为0.5和0.999，生成器每更新5次后再更新一次判别器； 第五步骤S5中，将测试信号输入训练好的生成器网络中，通过判别器网络输出信号的真伪，以判断机械设备正常还是异常。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。