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！

龙图腾网恭喜浙江工业大学申请的专利一种基于改进TimeGAN模型的小样本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：CN114692506B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210388562.2，技术领域涉及：G06F18/2415；该发明授权一种基于改进TimeGAN模型的小样本故障诊断方法是由郭方洪;窦云飞;刘师硕;吴祥;董辉;陈积明;姚荣康设计研发完成，并于2022-04-13向国家知识产权局提交的专利申请。

本一种基于改进TimeGAN模型的小样本故障诊断方法在说明书摘要公布了：本发明公开了一种基于改进TimeGAN模型的小样本故障诊断方法，包括：采集电梯运行数据，包括正常样本和故障样本；建立改进TimeGAN模型；将故障样本输入改进TimeGAN模型生成故障数据；将电梯运行数据和生成的故障数据合并为样本集，并利用小波包分解提取样本集的时频特征；将提取的时频特征划分为训练集和测试集，并将训练集输入CNN模型中进行训练；将测试集输入训练好的CNN模型，获得故障诊断结果并对故障诊断结果进行验证。该方法通过生成具备时序特征的故障样本，降低原始数据分布不平衡性，并充分提取样本的时频特征，获得高效准确的故障诊断结果，从而实现智能化设备的安全维护。

本发明授权一种基于改进TimeGAN模型的小样本故障诊断方法在权利要求书中公布了：1.一种基于改进TimeGAN模型的小样本故障诊断方法，其特征在于：所述基于改进TimeGAN模型的小样本故障诊断方法包括如下步骤：S1、采集电梯运行数据，所述电梯运行数据包括正常样本和故障样本；S2、建立改进TimeGAN模型，所述改进TimeGAN模型包括嵌入网络、恢复网络、序列生成器和序列判别器，其中：所述嵌入网络利用嵌入函数将静态特征和时态特征转化为潜在表征，所述嵌入函数基于循环网络实现；所述恢复网络利用恢复函数将潜在表征恢复为原来的静态特征和时态特征，所述恢复函数基于前馈网络实现；所述序列生成器从电梯运行数据中采样提取静态随机向量和时态随机向量，并利用生成函数将静态随机向量和时态随机向量转换为合成潜在编码，所述生成函数基于循环网络实现；所述序列判别器利用判别函数接收合成潜在编码，返回分类结果，所述判别函数基于带有前馈输出层的双向循环网络实现；所述改进TimeGAN模型的损失函数包括重建损失lR、对抗损失lU和监督损失lS，并构建如下目标函数： 其中，θe、θr、θg、θd依次表示嵌入网络、恢复网络、序列生成器和序列判别器的参数，λ≥0、η≥0，s为静态特征向量，为恢复后的静态特征向量，xt为t时刻的时态特征向量，为恢复后的t时刻的时态特征向量，yS为真实静态特征分类结果，yt为t时刻的真实时态特征分类结果，为生成的静态特征分类结果，为t时刻生成的时态特征分类结果，hS为潜在静态表征，ht为t时刻的潜在时态表征，ht-1为t-1时刻的潜在时态表征，zt为t时刻的时态随机向量，gχ为时态特征生成网络，为服从随机变量s,x1:T概率分布P的期望，为服从随机变量s,x1:T生成概率分布的期望；S3、将故障样本输入所述改进TimeGAN模型生成故障数据；S4、将电梯运行数据和生成的故障数据合并为样本集，并利用小波包分解提取所述样本集的时频特征，所述小波包分解包括分解操作和重构操作，具体如下：1设输入信号为离散信号分解操作计算如下： 其中，n为离散时间序列，k为时移因子，N为尺度因子，i为层数，n,k,为待分解的分量，0≤i≤2N-1，为低频时小波包系数，为高频时小波包系数，h0·为低通滤波器,g0·为高通滤波器；2重构操作计算如下： 其中，为低频信号分量，为高频信号分量，h1·为高通滤波器，g1·为低通滤波器；S5、将提取的时频特征划分为训练集和测试集，并将训练集输入CNN模型中进行训练，获得训练好的CNN模型；S6、将测试集输入训练好的CNN模型，获得故障诊断结果并对故障诊断结果进行验证。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。