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！

龙图腾网获悉西安交通大学申请的专利航空发动机样本数据不均衡叶片裂纹诊断方法及系统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：CN115905930B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202211689933.7，技术领域涉及：G06F18/24；该发明授权航空发动机样本数据不均衡叶片裂纹诊断方法及系统是由张小栋;黄鑫设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本航空发动机样本数据不均衡叶片裂纹诊断方法及系统在说明书摘要公布了：本发明公开了一种航空发动机样本数据不均衡叶片裂纹诊断方法及系统，包括：获取叶片的三维叶尖间隙信号，建立基于条件变分编码网络的深度生成网络诊断模型；基于少数故障类样本集构建深度聚焦损失函数；将深度聚焦损失函数与深度生成网络诊断模型相结合，获得动态加权条件变分编码网络，对不均衡类样本集中少数故障类样本进行扩充；将少数故障类样本集与原始样本集相混合组成训练集，利用特征提取网络对训练集进行特征提取，并在张量融合层进行特征融合，最后建立融合特征与故障类型之间的复杂非线性映射关系，完成样本不均衡诊断模型的训练；将待诊断的叶片三维叶尖间隙样本输入建立所述样本不均衡诊断模型中，得到健康状态。

本发明授权航空发动机样本数据不均衡叶片裂纹诊断方法及系统在权利要求书中公布了：1.一种航空发动机样本数据不均衡叶片裂纹诊断方法，其特征在于，包括： 获取叶片的三维叶尖间隙信号，建立基于条件变分编码网络的深度生成网络诊断模型； 基于少数故障类样本集构建深度聚焦损失函数； 将深度聚焦损失函数与深度生成网络诊断模型相结合，获得动态加权条件变分编码网络，对不均衡类样本集中少数故障类样本进行扩充； 将少数故障类样本集与原始样本集相混合组成训练集，利用特征提取网络对训练集进行特征提取，并在张量融合层进行特征融合，最后建立融合特征与故障类型之间的复杂非线性映射关系，完成样本不均衡诊断模型的训练； 将待诊断的叶片三维叶尖间隙样本输入建立所述样本不均衡诊断模型中，得到健康状态； 所述基于条件变分编码网络的深度生成网络诊断模型包括数据生成层、特征提取层、张量融合层以及分类层；具体是在特征提取层后引入张量融合层，在输出端添加分类层，形成深度生成网络诊断模型，并以采集的三维叶尖间隙信号作为输入； 基于少数故障类样本集构建深度聚焦损失函数；包括： 构建深度聚焦损失函数，对少数故障类样本的学习，其由L c和L r两部分组成，L c包括少数故障类样本和多数正常类样本，并对样本损失的加权，L r用于惩罚错误分类概率，如下： 式中M为样本数，y i为样本的标签向量，p i为样本的预测概率向量，为动态聚焦参数，α,β为可调参数； 将少数故障类样本集与原始样本集相混合组成训练集，利用特征提取网络对训练集进行特征提取，并在张量融合层进行特征融合，最后建立融合特征与故障类型之间的复杂非线性映射关系，完成样本不均衡诊断模型的训练；包括： 将少数故障类样本集与原始样本集相混合组成训练集，通过生成的故障样本消除了样本的不均衡分布； 利用特征提取层对训练样本集进行特征提取，获得不同维度的特征信息； 利用张量融合层对不同维度的特征进行融合，得到的融合特征包含了不同特征维度内和其相互关联的特征信息； 将融合特征作为分类层的输入，通过不断优化分类层的输出与叶片故障类型之间的误差距离； 依次重复迭代优化由数据生成层、特征提取层、张量融合层以及分类层构成的样本不均衡诊断模型。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。