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！

龙图腾网获悉苏州大学申请的专利基于卷积流对抗网络的智能异常检测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：CN120561836B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202511068209.6，技术领域涉及：G06F18/2433；该发明授权基于卷积流对抗网络的智能异常检测方法及系统是由王俊;龚鑫杰;李双;刘金朝;黄伟国;丁传仓;沈长青设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于卷积流对抗网络的智能异常检测方法及系统在说明书摘要公布了：本发明提供一种基于卷积流对抗网络的智能异常检测方法及系统，涉及异常检测技术领域，该方法包括采集设备全生命周期振动信号，处理为时频图，分正常训练集与全周期测试集；构建含生成器和判别器的卷积流对抗网络；预训练生成器，再交替优化判别器和生成器；以训练好的生成器构建异常状态检测模型，实现全周期测试集在线检测。本发明能精准捕捉正常特征，对早期异常敏感，降低模式崩溃风险，稳定性强，提供概率基准以反映故障演变，且能过滤噪声，鲁棒性好。

本发明授权基于卷积流对抗网络的智能异常检测方法及系统在权利要求书中公布了：1.一种基于卷积流对抗网络的智能异常检测方法，其特征在于，包括： 采集设备全生命周期机械时域振动信号，截取统一长度样本，进行短时傅里叶变换得到时频图，将所述时频图划分为仅包含设备正常运行数据的正常样本训练集和包含设备全生命周期数据的全周期测试集； 构建卷积流对抗网络模型，所述卷积流对抗网络模型由生成器和判别器组成，其中： 所述生成器采用M层Block组成的卷积流网络，每层Block依次包括压缩层、N层Flow层和分离层；所述压缩层用于压缩输入特征图尺寸并增加通道数；所述Flow层由Actnorm层、可逆1×1卷积层及耦合层堆叠而成，所述Actnorm层基于第一批数据各通道的均值和方差进行数据依赖的初始化以实现零均值和单位方差归一化，所述可逆1x1卷积层对输入的每个空间位置进行通道维度的线性变换，所述耦合层将输入拆分为两部分，第一部分直接输出，第二部分基于第一部分经小型卷积网络变换后得到的权重和偏置进行仿射变换后输出；所述分离层将输入按通道拆分为两部分，一部分作为下一层Block的输入，另一部分作为中间隐变量；生成器的卷积流网络的正向传递用于特征提取，逆向传递用于合成样本生成； 所述判别器依次包括卷积流网络、全局平均池化层、全连接层和激活函数层；其中，判别器的卷积流网络采用与生成器中相同的架构但仅使用正向传递； 将所述正常样本训练集输入所述卷积流对抗网络模型，通过设定的最大似然估计损失函数对生成器进行预训练，同时固化判别器参数，不优化判别器； 解固判别器参数固定，与预训练后的生成器交替优化，直至满足设定条件；在判别器更新时，以正常样本训练集中样本为正样本、生成器合成样本为负样本，使用二元交叉熵损失优化判别器；在生成器更新时，使用联合损失优化生成器，所述联合损失为MLE损失、对抗损失和重构损失的线性加权和，且在对抗训练初期对抗损失权重为零，并采用阶梯式策略逐步提升对抗损失权重至预设值； 将训练好的生成器作为异常状态检测模型，并构建基于MLE误差与重构误差加权的异常检测指标； 将所述全周期测试集输入所述异常状态检测模型，根据所述异常检测指标在线识别样本的异常状态。

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苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路1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”。