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！

龙图腾网获悉浙江大学;浙江运达风电股份有限公司申请的专利基于GAN的风力发电机变桨轴承数据增强方法及装置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：CN116467567B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310153648.1，技术领域涉及：G06F18/10；该发明授权基于GAN的风力发电机变桨轴承数据增强方法及装置是由胡伟飞;汤沣;陈坚钢;吴荣根;刘振宇;谭建荣设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本基于GAN的风力发电机变桨轴承数据增强方法及装置在说明书摘要公布了：本发明公开了基于GAN的风力发电机变桨轴承数据增强方法及装置，使用振动信号采集系统分别采集故障和健康的风力发电机变桨轴承振动信号，其中振动信号采集系统包括单轴振动加速度传感器、数据采集卡以及上位机，将采集到的振动信号经过分割、除噪之后，根据变桨轴承健康状况设置标签构建数据集，搭建卷积自编码器神经网络，利用采集的振动信号训练卷积自编码器用于提取特征信息；构建多生成器的生成式对抗神经网络模型，输入高斯噪声用于生成健康振动信号或故障振动信号，将生成的健康或故障信号填充进原始数据集内从而更新数据集。通过本发明能够实现风力发电机变桨轴承不平衡数据集的数据增强。

本发明授权基于GAN的风力发电机变桨轴承数据增强方法及装置在权利要求书中公布了：1.基于GAN的风力发电机变桨轴承数据增强方法，其特征在于包括如下步骤： 步骤S1：采集故障和健康的风力发电机变桨轴承振动信号； 步骤S2：获取有效振动信号； 步骤S3：对采集的有效振动信号进行降噪处理； 步骤S4：将降噪后的振动信号作为训练集，针对变桨轴承的健康数据和故障数据，构建自编码器并进行训练，用于获取真实的振动信号； 将降噪后的振动信号，根据轴承的健康状况，分为健康振动信号和故障振动信号，并打上标签；针对健康振动信号和故障振动信号构建卷积自编码器，卷积自编码器包括编码器和解码器，其中，编码器包括一组卷积层，解码器包括与编码器对应的一组反卷积层，采用均方误差作为误差函数，使用降噪后的振动信号训练自编码器； 步骤S5：构建多生成器的生成式对抗神经网络，包括多头生成器和判别器，将噪声输入生成器的一组编码器，训练生成器生成符合振动信号特征分布的特征向量，再使用生成器的解码器，解码特征向量，生成虚假的振动信号，生成器的解码器与训练好的自编码器的解码器一致；生成式对抗神经网络的训练过程，包括以下步骤： 步骤S51：输入噪声至一组生成器的编码器中，得到一组特征向量； 步骤S52：使用生成器的解码器，将一组特征向量重构为噪声重构振动信号； 步骤S53：将噪声重构振动信号作为虚假的振动信号，与对应的真实的振动信号输入判别器，计算判别器损失，误差反向传递优化判别器参数；判别器损失函数为： 其中D表示判别器函数，表示真实的振动信号，表示噪声重构振动信号，m表示生 成器的编码器个数，i表示第i个生成器； 所述多头生成器为各自独立的多个卷积网络，其中第i个生成器对应的损失函数为： 其中，D表示判别器函数，表示真实的振动信号经过编码器提取的特征，表示 噪声经过第i个生成器编码后，对应生成器生成的特征； 步骤S54：计算生成器误差，误差反向传递优化生成器参数； 步骤S55：迭代步骤S51至步骤S54过程直至网络收敛； 步骤S6：将虚假的振动信号填充进真实的振动信号数据集，重建出数据量平衡的振动信号数据集。

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浙江大学;浙江运达风电股份有限公司，其通讯地址为：310030 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。