買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉蘇州大學申請的專利基于卷積流對抗網絡的智能異常檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120561836B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202511068209.6，技術領域涉及：G06F18/2433；該發明授權基于卷積流對抗網絡的智能異常檢測方法及系統是由王俊;龔鑫杰;李雙;劉金朝;黃偉國;丁傳倉;沈長青設計研發完成，并于2025-07-31向國家知識產權局提交的專利申請。

本基于卷積流對抗網絡的智能異常檢測方法及系統在說明書摘要公布了：本發明提供一種基于卷積流對抗網絡的智能異常檢測方法及系統，涉及異常檢測技術領域，該方法包括采集設備全生命周期振動信號，處理為時頻圖，分正常訓練集與全周期測試集；構建含生成器和判別器的卷積流對抗網絡；預訓練生成器，再交替優化判別器和生成器；以訓練好的生成器構建異常狀態檢測模型，實現全周期測試集在線檢測。本發明能精準捕捉正常特征，對早期異常敏感，降低模式崩潰風險，穩定性強，提供概率基準以反映故障演變，且能過濾噪聲，魯棒性好。

本發明授權基于卷積流對抗網絡的智能異常檢測方法及系統在權利要求書中公布了：1.一種基于卷積流對抗網絡的智能異常檢測方法，其特征在于，包括： 采集設備全生命周期機械時域振動信號，截取統一長度樣本，進行短時傅里葉變換得到時頻圖，將所述時頻圖劃分為僅包含設備正常運行數據的正常樣本訓練集和包含設備全生命周期數據的全周期測試集； 構建卷積流對抗網絡模型，所述卷積流對抗網絡模型由生成器和判別器組成，其中： 所述生成器采用M層Block組成的卷積流網絡，每層Block依次包括壓縮層、N層Flow層和分離層；所述壓縮層用于壓縮輸入特征圖尺寸并增加通道數；所述Flow層由Actnorm層、可逆1×1卷積層及耦合層堆疊而成，所述Actnorm層基于第一批數據各通道的均值和方差進行數據依賴的初始化以實現零均值和單位方差歸一化，所述可逆1x1卷積層對輸入的每個空間位置進行通道維度的線性變換，所述耦合層將輸入拆分為兩部分，第一部分直接輸出，第二部分基于第一部分經小型卷積網絡變換后得到的權重和偏置進行仿射變換后輸出；所述分離層將輸入按通道拆分為兩部分，一部分作為下一層Block的輸入，另一部分作為中間隱變量；生成器的卷積流網絡的正向傳遞用于特征提取，逆向傳遞用于合成樣本生成； 所述判別器依次包括卷積流網絡、全局平均池化層、全連接層和激活函數層；其中，判別器的卷積流網絡采用與生成器中相同的架構但僅使用正向傳遞； 將所述正常樣本訓練集輸入所述卷積流對抗網絡模型，通過設定的最大似然估計損失函數對生成器進行預訓練，同時固化判別器參數，不優化判別器； 解固判別器參數固定，與預訓練后的生成器交替優化，直至滿足設定條件；在判別器更新時，以正常樣本訓練集中樣本為正樣本、生成器合成樣本為負樣本，使用二元交叉熵損失優化判別器；在生成器更新時，使用聯合損失優化生成器，所述聯合損失為MLE損失、對抗損失和重構損失的線性加權和，且在對抗訓練初期對抗損失權重為零，并采用階梯式策略逐步提升對抗損失權重至預設值； 將訓練好的生成器作為異常狀態檢測模型，并構建基于MLE誤差與重構誤差加權的異常檢測指標； 將所述全周期測試集輸入所述異常狀態檢測模型，根據所述異常檢測指標在線識別樣本的異常狀態。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘇州大學，其通訊地址為：215299 江蘇省蘇州市吳江區久泳西路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。