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！

龙图腾网获悉长沙理工大学申请的专利一种零样本下基于Op-GAN的盲域转换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：CN121071477B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511163377.3，技术领域涉及：G06F18/214；该发明授权一种零样本下基于Op-GAN的盲域转换方法及系统是由孙梅迪;陈棠燕;李晓东;吴公平;龙卓设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本一种零样本下基于Op-GAN的盲域转换方法及系统在说明书摘要公布了：本发明属于盲域转换技术领域，公开了一种零样本下基于Op‑GAN的盲域转换方法，该方法包括：采用1DOp‑GAN，其中生成器和鉴别器均基于1DSelf‑ONN架构；基于1DOp‑GANs的盲域转换，采用基于片段的迁移策略，其中每个片段持续一秒，且不重叠；提出一种生成数据综合评价指标，以从中有效筛选出高质量、具有诊断价值的样本。本发明针在零样本盲域转换场景下，健康数据与故障数据在时间序列上存在内在联系，1Dself‑ONN通过对健康数据特征的学习，能够挖掘出这种潜在联系，从而实现到故障数据的有效映射。

本发明授权一种零样本下基于Op-GAN的盲域转换方法及系统在权利要求书中公布了：1.一种零样本下基于Op-GAN的盲域转换方法，其特征在于，包括： S1，采用一维Op-GAN，生成器和鉴别器均基于一维Self-ONN架构； S2，基于一维Op-GAN的盲域转换，采用基于片段的迁移策略，将输入长时序划分为持续1秒且不重叠的片段并分别进行域变换后拼接回整段； S3，计算生成数据的综合评价指标并据此筛选出高质量且具有诊断价值的样本； 流程分为样本获取、生成故障数据、筛选生成数据三个阶段：1.样本获取：从源域机器采集轴承振动数据，分为健康数据和故障数据，目标域机器采集健康数据；2.生成故障数据：训练OP-GAN学习源域健康数据到故障数据的映射，复用训练好的Op-GAN生成器，将目标域健康数据输入生成器，生成器基于“源域学到的健康→故障转换能力”，把目标域健康数据“转化”为生成故障数据，弥补目标域故障样本的缺失；3.筛选生成数据：对生成的故障数据，从时域、频域、整体分布三个维度做质量验证，确保数据可用； 在一个1DSelf-ONN中，任何生成神经元的每个内核元素都可以执行任何非线性变换，即可以用泰勒级数表示的函数；第l层中的第k个生成神经元的1D节点算子可以采用以下一般形式： 1 其中，r,q是第q次幂下、对应第m个样本的前一层输出m+r的第r个元素的权重；令∈RM表示第l-1层的第i个神经元对第l层输入映射的贡献；因此可以表示为: 2 其中∈RM是第l-1层的第i个神经元的输出特征图，是网络中可学习的卷积核，是一个大小为K×Q的矩阵，即∈RK×Q，形式为：，由于求和运算具有交换性，根据公式2中的求和运算的交换性，可以将其写成等价的另一种形式： 3 因此，该公式可以通过施加Q次一维卷积操作来实现；最终，该神经元的输出可以表示如下： 4 为更有效地生成并检测故障信号，引入时频域表示方法对信号进行建模；不同于传统傅里叶变换仅提供固定分辨率的频谱信息，采用连续小波变换作为信号的时频表示手段；CWT通过对母小波函数进行伸缩和平移，能够实现多尺度的时间-频率局部分析，其数学定义如下： 7 其中，Xt为输入信号，Ψt为母小波函数，a为尺度参数，b为时间平移，Ψ*.表示复共轭；目标信号Yz，通过调整尺度参数a，CWT能够在高频段提供更高的时间分辨率，在低频段提供更高的频率分辨率，适用于非平稳信号的局部分析；分别对输入信号X和目标信号Yz应用CWT，获得其二维时频图；随后，对生成器输出信号GX,z与目标信号Yz的小波时频图进行逐点差异度量，其L1范数作为损失函数，如下式所示： 8 该时频域损失函数能够有效捕捉故障信号中的局部与瞬态特征，从而提升生成信号的表达质量；最终，Op-GAN训练中使用的总损失函数表示如下： 9 其中λ是平衡时频谱损失函数与BCE损失的权重参数。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。