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！

龙图腾网获悉北京理工大学申请的专利一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品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：CN119128633B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202411135698.8，技术领域涉及：G06F18/241；该发明授权一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品是由孔运;祁俊辉;林翠颖;董明明;刘辉;闫清东设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品在说明书摘要公布了：本申请公开的一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品，涉及机械故障诊断领域。首先，本申请构建了一种由随机采样模块、生成模块和泛化模块组成的泛化分类正则化生成对抗网络；其次，使用原始振动数据作为生成器输入以加速生成器训练过程；此外，引入正则化损失项到鉴别器损失函数中，以稳定极少数据输入下生成对抗网络的训练过程；最后，开发分类器模块区分原始样本与生成样本以利于故障分类。本申请仅利用少量数据即可高效地生成强泛化性样本，适用于训练数据不足或训练数据不平衡的智能故障诊断场景，以提高智能故障诊断方法性能、效率和适应性。

本发明授权一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品在权利要求书中公布了：1.一种面向数据不平衡的机械智能故障诊断方法，其特征在于，所述面向数据不平衡的机械智能故障诊断方法包括： 获取不同机械状态下的振动实验数据，并将所述振动实验数据作为样本数据生成数据集；机械状态包括健康状态和多种故障状态； 划分所述数据集，得到训练集和测试集；所述训练集中健康状态的振动实验数据数量大于故障状态的振动实验数据数量；所述测试集中健康状态的振动实验数据数量与故障状态的振动实验数据数量达到平衡； 构建泛化分类正则化生成对抗网络； 采用所述训练集训练所述泛化分类正则化生成对抗网络，直至满足第一设定条件时，得到原始样本数据集、泛化样本和训练好的泛化分类正则化生成对抗网络； 采用所述原始样本数据集和所述泛化样本验证训练好的泛化分类正则化生成对抗网络是否满足第二设定条件； 当不满足第二设定条件时，调整泛化分类正则化生成对抗网络的参数，并返回采用所述训练集训练所述泛化分类正则化生成对抗网络，直至满足第一设定条件时，得到原始样本数据集、泛化样本和训练好的泛化分类正则化生成对抗网络的步骤； 当满足第二设定条件时，将训练好的泛化分类正则化生成对抗网络作为样本生成模型； 将所述训练集中故障状态的振动实验数据输入至样本生成模型，得到生成样本，与所述训练集中健康状态的振动实验数据构建平衡训练集； 构建故障诊断分类器； 采用所述平衡训练集训练所述故障诊断分类器，直至满足第三设定条件时，得到训练好的故障诊断分类器； 采用所述测试集数据或获取待诊断机械设备的实时振动数据作为待诊断数据，并将所述待诊断数据输入至所述故障诊断分类器，得到机械故障诊断结果； 构建泛化分类正则化生成对抗网络，包括：构建生成器模块；所述生成器模块被配置为对所述训练集中故障状态的振动实验数据进行采样和运算，以获得原始样本数据集、候选数据集和泛化样本；所述原始样本数据集包括信号空间以及与所述信号空间对应的标签空间；所述泛化样本用于构成所述生成器模块的优化目标及损失函数； 构建生成器模块，包括： 构建随机采样模块；所述随机采样模块被配置为对所述训练集中故障状态的振动实验数据进行顺序采样和随机采样，以获得原始样本数据集和候选数据集； 构建初始样本生成模块；所述初始样本生成模块被配置为基于所述原始样本数据集得到初始样本； 构建泛化模块；所述泛化模块被配置为计算候选数据集和所述初始样本的一致性相关系数，并生成泛化样本。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。