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！

龙图腾网获悉南京中科智慧生态科技有限公司申请的专利一种基于声发射的无监督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：CN117056811B 。

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：202311043061.1，技术领域涉及：G06F18/241；该发明授权一种基于声发射的无监督故障检测方法是由孙志林;顾加佳设计研发完成，并于2023-08-18向国家知识产权局提交的专利申请。

本一种基于声发射的无监督故障检测方法在说明书摘要公布了：本发明涉及故障检测技术领域，公开了一种基于声发射的无监督故障检测方法，其技术方案要点是，通过生成器和鉴别器组成的卷积生成对抗性网络架构；将Wasserstein距离嵌入到卷积生成对抗性网络架构；对随机样本的梯度范数进行梯度惩罚；定义卷积生成对抗性网络架构的正常指标；基于FCM对捕获的故障数据进行聚类；基于主成分分析对聚类后的故障数据进行分类；先将构建的卷积生成对抗性网络架构嵌入到AE波形中的深层信息中，从而能够提高早期故障检测的鲁棒性，实现尽早、可靠和无缝地检测出设备故障。在使用声发射对工业机械旋转设备进行检测过程中，与主成分分析相关的模糊C均值聚类能够对监测的AE故障数据进行无监督自动区分损坏类别。

本发明授权一种基于声发射的无监督故障检测方法在权利要求书中公布了：1.一种基于声发射的无监督故障检测方法，其特征在于，所述方法包括以下步骤： S1、通过生成器和鉴别器组成的卷积生成对抗性网络架构； S2、将Wasserstein距离嵌入到卷积生成对抗性网络架构； S3、对随机样本的梯度范数进行梯度惩罚； S4、定义卷积生成对抗性网络架构的正常指标； S5、基于FCM对捕获的故障数据进行聚类； S6、基于主成分分析对聚类后的故障数据进行分类； 所述基于FCM对捕获的故障数据进行聚类的过程为：将n组样本数据分类为c个类别，x＝{x1，x2，...，xn}；每个数据样本xi，由m个特征定义，即其中，xi在集合X中；由于m个特征一般都能够有不同的单位，所以在分类之前需要将每个特征归一化到统一的尺度；利用目标函数方法将n个数据点聚类为c个簇；每个簇被认为是一个具有假设几何簇中心的超球形形状；目标函数的主要目的是使聚类d中的每个数据点与其聚类中心之间的欧氏距离最小化，并使其他聚类中心之间的欧氏距离最大化； 将一系列模糊集{Ai，i＝1，2，...，c}定义为FCM方法中数据集X上的模糊c划分；由于模糊集允许隶属度，所以将清晰的分类思想扩展到模糊分类概念，从而将隶属度分配给每个模糊集中的各个数据集； 单个点xk具有部分隶属度值，即第i类中的第k个数据点，函数表示为： μik＝μAixk∈[0,1] 限制条件是所有类中单个点的所有隶属度值的总和必须是统一的；函数表示为： 不存在包含空集的类，也不存在包含所有数据点的类，函数表示为： 在模糊分类的情况下，每个数据点能够在多个类别中具有部分成员资格： μik∧μjk≠0 定义一族模糊划分矩阵Mfc，用于涉及c类和n个数据点的分类， Mfc＝{U|μik∈[0,1]}； k＝1，2，...，n； 任何μ∈Mfc都是一个模糊c划分，是由类的重叠特征和描述类成员资格的无限数量的隶属值得出的； 用于模糊c聚类的目标函数是： 其中，dik表示点xk与中心vi之间的距离；μik表示第i类中第k个数据点的隶属度，α表示加权参数α∈[1，∞]； dik的计算公式为： 权重参数α用于控制分类过程中的模糊程度；vi是第i类的聚类中心；vij的计算公式为： 聚类的目的是使目标函数J相对于划分矩阵和聚类中心最小化。

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南京中科智慧生态科技有限公司，其通讯地址为：210000 江苏省南京市建邺区嘉陵江东街18号加速器01幢19层；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。