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！

龙图腾网获悉天津大学申请的专利一种基于反卷积网络和对抗神经网络的故障检测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：CN115270942B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202210838079.X，技术领域涉及：G06F18/2433；该发明授权一种基于反卷积网络和对抗神经网络的故障检测方法是由张大鹏;谢雨贝设计研发完成，并于2022-07-17向国家知识产权局提交的专利申请。

本一种基于反卷积网络和对抗神经网络的故障检测方法在说明书摘要公布了：本发明公开了一种基于反卷积网络和对抗神经网络的故障检测方法，尤其是缺乏历史故障数据的情形下，仅仅利用健康数据的时间序列就能实现对该时间序列所描述对象的健康状态检测。所述故障检测方法包括：由传感器获取健康状态下的时间序列，利用滑动窗口对时间序列进行分组以获取训练样本，构建多层卷积神经网络，并对多层卷积神经网络进行训练,得到对应的权值，对训练好的卷积神经网络求反卷积网络，构造两组深度神经网络形成对抗神经网络的产生器和判别器，对抗神经网络进行训练得到健康诊断器，输入观察窗口数据，判断器输出健康状态概率。该方法通过引入反卷积神经网络，解决了难以生成与过程对应的时间序列问题，提高了时间序列的生成效率，通过数据生成器与评估器的博弈过程，最终获得了健康状态的隐含边界条件，该方法不受故障类型特征限制，能够适用于对不同的故障类型，提高了故障检测的通用性，同时不需要附加昂贵的专用设备，从而大大降低了诊断成本。

本发明授权一种基于反卷积网络和对抗神经网络的故障检测方法在权利要求书中公布了：1.一种基于反卷积网络和对抗神经网络结合的故障检测方法，其特征在于： 步骤1:由传感器获取健康状态下的时间序列式中，k为采样时刻,∞表示时间序列足够长； 步骤2:采用长度为T的滑动窗口将时间序列分为m组，每组包括窗口时间序列和系统状态yl，式中，l为窗口的起始采样点,yl为时间序列中窗口时间序列的下一个状态值，即yl＝xl+T+1； 步骤3:构建多层卷积神经网络CNN1,CNN1的输入层维数为窗口时间序列列向量N,输出层为系统状态yl，隐含层包括卷积层1、池化层1、卷积层2、池化层2、…、卷积层n、池化层n和求和层，具体隐含层的层数根据不同的时间序列通过尝试获得； 步骤4:以步骤2中所获得的m组窗口时间序列与目标状态yl作为训练数据集，即对多层卷积神经网络CNN1进行训练,得到对应的权值； 步骤5：对训练好的CNN1求反卷积网络DCNN1，即：DCNN1与CNN1具有相同的结构，数据流相反，但各个对应权值的数值不变，即CNN1的输入层变为DCNN1的输出层，CNN1的池化层n、卷积层n、…、池化层2、卷积层2、池化层1、卷积层1变为DCNN1的卷积层1、池化层1、卷积层2、池化层2、…、卷积层n、池化层n；DCNN1的输入为系统状态，输出为窗口时间序列列向量； 步骤6：随机产生系统状态，输入到反卷积网络DCNN1，DCNN1的输出为窗口时间序列列向量，构造两组深度神经网络形成对抗神经网络的数据产生器G和判别器D，其中数据产生器G的输入为时间序列列向量，输出为推测的系统状态；判别器D的输入为推测的系统状态与真实系统状态的差值，输出结果为健康概率； 步骤7:对抗神经网络进行训练，直到训练完成； 步骤8：数据产生器输入新的观察窗口数据，判断器输出为诊断结果。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。