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！

龙图腾网恭喜苏州大学申请的专利一种基于谱范数GAN的多工况机械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：CN114118139B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202111240089.5，技术领域涉及：G06F18/2413；该发明授权一种基于谱范数GAN的多工况机械故障诊断方法是由陈良;李奇设计研发完成，并于2021-10-25向国家知识产权局提交的专利申请。

本一种基于谱范数GAN的多工况机械故障诊断方法在说明书摘要公布了：本发明公开一种基于谱范数GAN的多工况机械故障诊断方法，其包括：数据采集和基于短时傅里叶变换的信号预处理，以机械的原始时域振动信号为输入样本，采集变工况的实验数据作为不同领域的样本，并标注领域标签，其中人工标注标签的数据作为源域数据；未被人工标注的标签为目标域数据；将源域数据和目标域数据利用短时傅里叶变换将时域振动信号转化为特征时频图；对源域特征时频图进行卷积操作，提取故障特征，构建初始化的卷积神经网络模型得到预训练模型。该方法通过特征提取器和领域判别器之间的对抗学习获得跨领域不变特征，实现不同领域之间的迁移，实现了对变工况机械故障的智能诊断。

本发明授权一种基于谱范数GAN的多工况机械故障诊断方法在权利要求书中公布了：1.一种基于谱范数GAN的多工况机械故障诊断方法，其特征在于，包括以下步骤：S1，数据采集和基于短时傅里叶变换的信号预处理，将机械设备的原始时域振动信号作为输入样本，采集变工况的实验数据作为不同领域的样本，并标注领域标签，其中人工标注标签的数据作为源域数据；未被人工标注的标签为目标域数据；对源域数据和目标域数据进行短时傅里叶变换将时域振动信号转化为特征时频图；S2，模型预训练，对源域特征时频图进行卷积操作，提取故障特征，构建初始化的卷积神经网络模型，实现针对源域的高精度故障诊断模型，将该源域的高精度故障诊断模型作为预训练模型，将卷积神经网络模型的参数迁移到目标域的故障诊断模型，所述卷积神经网络模型包括特征提取器和故障识别分类器；S3，基于谱范数GAN的特征表示学习，利用GAN中的生成器改进卷积神经网络模型的特征提取器，构建针对目标域的特征提取器，使得卷积神经网络模型能够提取有效的故障特征；初始化特征提取器的参数，经过训练优化得到特征提取器的权重和偏置；S4，基于谱范数GAN的领域判别器，利用GAN中的判别器针对不同的领域构建多分类的领域判别器，所述领域判别器可以学习领域之间的差异，并对S3的故障特征进行识别，判断故障特征所属的领域；在领域判别器的监督下，使特征提取器能够学习跨领域不变的故障特征；S5，对抗知识迁移及诊断，包括卷积神经网络模型优化，优化所述S2中卷积神经网络模型的目标函数为： 其中LCE为交叉熵损失，ys分别为针对源域数据的预测标签和人工标签，分别为针对目标域数据的预测标签和伪标签，伪标签可以用预测标签来计算： 优化所述S3中特征提取器的目标函数为： 其中ds分别为源域数据的领域预测值和领域标签，为目标域数据的领域预测值；优化所述S4中领域判别器的目标函数为： 其中为目标域数据的领域标签；交替训练如下的联合优化目标： 以实现诊断模型的对抗知识迁移，减小领域间故障特征的差异。

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苏州大学，其通讯地址为：215000 江苏省苏州市干将东路333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”。