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！

龙图腾网获悉东北电力大学申请的专利基于Glow模型的风机主轴多信号输入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：CN116681941B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310669084.7，技术领域涉及：G06V10/764；该发明授权基于Glow模型的风机主轴多信号输入故障诊断方法是由张良;张浩;吕玲;陈良;石岛;黄久鸿;龙彦良设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本基于Glow模型的风机主轴多信号输入故障诊断方法在说明书摘要公布了：本发明公开了基于Glow模型的风机主轴多信号输入故障诊断方法，涉及风机主轴故障诊断领域，包括：获取数据步骤、Glow模型构建步骤、故障诊断模型构建步骤、故障诊断模型训练步骤、故障诊断步骤。本发明针对风机故障带来的长时间停机以及检维修造成的资源浪费的问题进行改进，有利于提高风机设备运行可靠性。

本发明授权基于Glow模型的风机主轴多信号输入故障诊断方法在权利要求书中公布了：1.基于Glow模型的风机主轴多信号输入故障诊断方法，其特征在于，包括以下步骤： 获取数据步骤：通过传感器获取数据集； Glow模型构建步骤：通过真实样本数据X和随机变量Z，建立Glow模型； 故障诊断模型构建步骤：基于卷积神经网络提出风机主轴多图像输入故障诊断模型； 故障诊断模型训练步骤：采用Glow模型补充生成不同场景下的风机主轴故障样本，补充不平衡故障类别样本数量，并在真实样本中添加不同程度的高斯白噪声来模拟风机实际运行中的噪声场景，将故障样本集通过风机主轴多图像输入故障诊断模型，依据故障诊断的准确率，得到训练好的风机主轴多图像输入故障诊断模型； 故障诊断步骤：利用训练好的风机主轴多图像输入故障诊断模型对风机主轴进行诊断，判断风机主轴是否故障； Glow模型构建步骤中真实样本数据X和随机变量Z，其中Z服从已知的简单先验分布πZ，样本数据X服从复杂的分布pX，存在一个变换函数f，满足建立从Z到X的映射 f:Z→X1 使得每对于πZ中的一个采样点，都能在pX中有一个新样本点与之对应，以得到生成样本，在标准化流模型中随机变量Z先验分布πZ通常选择高斯分布，标准化流通过应用一系列可逆变换函数将简单分布转换为复杂分布，根据变量替换定理反复替换新变量，最终得到最终目标变量的概率分布； 标准化流模型的生成过程由下列公式来定义： Z～πZ2 X＝gθZ3 式中，Z表示为隐变量；pθZ为隐变量Z的样本分布；gθ是一个可逆函数，隐变量Z可表示为其中，fθ由一系列转换的函数组成：θ为生成模型参数，样本X和隐变量Z0之间的关系为： 通过输出x直到追溯到初始分布z，给定一个样本数据x的模型概率密度函数可以表示为： 基于流的生成模型的训练损失函数为训练数据集上的负对数似然： Glow模型构建步骤中，Glow模型由一系列命名为尺度的重复层组成，每个尺度包括一个挤压函数和一个流步骤，流步骤后是分割函数；分割函数在通道维度上将输入分成两个相等的部分；其中一半进入之后的层，另一半则进入损失函数；流步骤包含激活常数层、1x1可逆卷积层和仿射耦合层三部分。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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”。