申请/专利权人：昆明理工大学

申请日：2024-01-13

公开（公告）日：2024-04-05

公开（公告）号：CN117828354A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/21;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种融合VAE和WGAN‑GP的一维轴承故障信号数据生成方法，包括：依据采集得到的多类故障类型的振动加速度信号构建样本集；对样本集进行拆分并归一化，划分成训练集和测试集；构建包含编码器E、解码器G、判别器D的样本生成模型；使用训练集训练构建好的样本生成模型，达到最优效果后固定模型权重；调用模型权重，输入测试集样本进行样本生成。本发明提出的融合VAE和WGAN‑GP的样本生成模型通过特征编码结构提取原始样本中的隐变量，将包含原始样本特征的隐变量代替随机噪声输入，同时引入使用了Wasserstein距离衡量真实样本与生成样本之间的分布距离，并引入梯度惩罚项，提升模型生成样本的质量和多样性的同时增强了模型训练的稳定性，避免因梯度消失和梯度爆炸引发的模型崩溃问题。

主权项：1.一种融合VAE和WGAN-GP的一维轴承故障信号数据生成方法，其特征在于，包括：依据采集得到的多类故障类型的振动加速度信号构建样本集；对样本集进行拆分并归一化，划分成训练集和测试集；构建包含编码器E、解码器G、判别器D的样本生成模型；使用训练集训练构建好的样本生成模型，达到最优效果后固定模型权重；调用模型权重，输入测试集样本进行样本生成。

全文数据：

权利要求：

百度查询： 昆明理工大学 融合VAE和WGAN-GP的一维轴承故障信号数据生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD