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！

龙图腾网获悉西北工业大学;中国航发四川燃气涡轮研究院申请的专利基于变分自编码生成对抗网络的航空发动机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：CN115587290B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211125186.4，技术领域涉及：G06F18/00；该发明授权基于变分自编码生成对抗网络的航空发动机故障诊断方法是由姜洪开;刘少伟;王同庆;吴正红;李晓冬设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本基于变分自编码生成对抗网络的航空发动机故障诊断方法在说明书摘要公布了：本发明公开了一种基于变分自编码生成对抗网络的航空发动机故障诊断方法，首先获取航空发动机关键部件的振动信号；其次构建深度变分自编码生成对抗网络，其中编码器结构增强了对故障信号的特征学习能力，从而提高数据生成质量，同时将梯度惩罚机制应用到判别器结构中以避免网络训练过程发生模式崩溃现象。利用构建的生成对抗网络生成与采集信号相似的样本来扩充不平衡数据集；最后将模型提取的深层特征输入到卷积神经网络来获得更高的故障诊断结果。本发明效果卓越、简单易行、诊断快速，可以高效的解决航空发动机故障诊断。

本发明授权基于变分自编码生成对抗网络的航空发动机故障诊断方法在权利要求书中公布了：1.一种基于变分自编码生成对抗网络的航空发动机故障诊断方法，其特征在于，包括如下步骤： 步骤1：采集航空发动机部件的振动加速度信号，得到故障信号，对故障信号通过归一化以及滑动窗口采样操作构建模型训练集和测试集； 步骤2：构建变分自编码生成对抗网络模型对故障信号进行数据生成； 步骤2-1：将编码器添加到深度生成对抗网络中，使编码器和生成器构成自动编码器； 步骤2-2：通过编码和重构学习输入数据的分布特征； 在训练过程中，编码器从真实数据集x中随机采样，然后通过神经网络将其编码到潜在编码空间中；为了使编码器获得的后验分布qz|x尽可能接近预期分布，选择KL散度计算两个分布之间的距离，作为损失函数的一部分；编码器的目标函数如式1所示： LE＝-Eqz|x[logpx|z]+DKLqz|x||pz1 式中，右边前一部分是变分自动编码器的重建误差，后一部分是先验分布正则化；pz表示所需编码空间z的先验分布；DKL·表示两个变量之间的KL散度； 步骤2-3：所构建的变分自编码生成对抗网络模型原理如式2： 其中G表示生成器，D表示判别器，Pda和Pg分别表示原始样本分布x和噪声z的先验分布，Dx表示判别器的输出，Gz表示生成器输出的生成数据； 步骤3：生成器从编码器提供的潜在编码空间z采样；通过使变分自动编码器中的解码器和生成对抗网络中的生成器共享参数并一起训练，将它们组合成一个整体；其中判别器的损失函数如下所示： 其中，式3右边最后一项表示梯度惩罚项，λ表示梯度惩罚系数；Dy表示判别器对生成的数据的判别值，Pr表示真实数据的分布； 步骤4：在生成器中采用特征匹配算法来匹配生成数据的深层特征，测量特征向量均值之间的L2距离，改进之后的生成器损失函数如下所示： 其中hx表示从判别器中间层提取的特征向量，选择判别器第二卷积层的输出作为特征hx；w表示特征匹配的权重系数，hy表示生成样本在判别器第二卷积层的输出； 步骤5：将生成器生成的数据与原始数据一起提供给判别器，在梯度罚损失函数的基础上，采用随机梯度下降法更新鉴别器的参数，通过对判别器的目标函数施加梯度惩罚的公式如式5： 式中，δ表示正态分布N中的弱扰动； 步骤6：在完成判别器的训练后，生成器根据判别器的反馈更新参数，训练产生更多的生成样本； 步骤7：重复步骤3到步骤6；在训练过程结束时，生成器从正态分布N0,I中采样，生成合成样本； 步骤8：以步骤7生成的数据为训练数据，以步骤1得到的真实数据为测试数据，构建卷积神经网络分类器进行训练和测试，对轴承数据进行故障类型诊断。

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北工业大学;中国航发四川燃气涡轮研究院，其通讯地址为：710072 陕西省西安市友谊西路；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”。