華南理工大學林慧斌獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉華南理工大學申請的專利基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN116150586B 。
龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202310084483.7,技術領域涉及:G06F18/10;該發明授權基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法是由林慧斌;王洪暢設計研發完成,并于2023-01-13向國家知識產權局提交的專利申請。
本基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法在說明書摘要公布了:本發明公開了一種基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法,包括步驟:步驟S1、利用旋轉機械局部型故障機理構建用于模型訓練的數據集;步驟S2、構造網絡層數由所需信號壓縮率確定,且隱含層與原信號的頻率成對應關系的深度卷積去噪自編碼網絡;步驟S3、采集設備端的機械振動信號和轉速信號,并計算設備不同位置發生齒輪或軸承局部故障時對應的特征頻率;步驟S4、截取訓練完備的編碼子網絡代替傳統壓縮感知中的觀測矩陣對旋轉機械振動信號進行壓縮測量,得到壓縮域信號;步驟S5、將壓縮域信號進行遠程傳輸;步驟S6、在接收端直接對壓縮域信號進行特征提取,由提取的故障特征信息以確定設備的故障問題所在。
本發明授權基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法在權利要求書中公布了:1.基于機理與卷積測量網絡的旋轉機械局部型故障診斷方法,其特征在于,包括以下步驟: S1、利用旋轉機械的局部型故障機理構建用于模型訓練的數據集,包括以下步驟:S11、根據旋轉機械局部故障信號數學模型,建立故障沖擊分量,得到無噪樣本; S12、對無噪樣本加入高斯白噪聲,得到含噪樣本; S13、以含噪樣本作為輸入、故障沖擊分量作為序列標注,完成數據集的構建; S2、構造深度卷積去噪自編碼網絡,深度卷積去噪自編碼網絡的網絡層數由所需信號壓縮率確定,隱含層與原信號的頻率成對應關系,并對深度卷積去噪自編碼網絡進行訓練; 深度卷積去噪自編碼網絡包括編碼子網絡和解碼子網絡,其中編碼子網絡包括卷積層和池化層,解碼子網絡包括卷積層和上采樣層;深度卷積去噪自編碼網絡的最大池化層起對信號壓縮的作用,設置在編碼子網絡的卷積層后,編碼子網絡的卷積核數量以2的倍數逐層遞減,至最后一層卷積層數量為1; 深度卷積去噪自編碼網絡具體包括: 每個卷積層輸出的維度等于輸入的維度,并依據下式得到卷積核的參數: 式中:表示卷積核的大小,表示填充Padding的大小,表示步長Stride的大小,表示卷積層輸入的維度,表示卷積層輸出的維度; S3、采集設備端的機械振動信號和轉速信號,并計算設備不同位置發生齒輪或軸承局部故障時對應的特征頻率,具體包括: S31、采集設備的振動加速度信號與輸入軸的轉速; S32、由設備結構分析其中齒輪和軸承可能會發生的故障類型,并由設備工況計算其故障特征頻率; S4、截取訓練完備深度卷積去噪自編碼網絡的編碼子網絡對旋轉機械振動信號進行壓縮測量,得到壓縮域信號,具體包括: S41、利用步驟S1的數據集對深度卷積去噪自編碼網絡進行訓練,并截取訓練完備的編碼子網絡; S42、利用編碼子網絡對旋轉機械振動信號進行壓縮測量,得到壓縮域信號; S5、將壓縮域信號進行遠程傳輸; S6、在接收端直接對壓縮域信號進行希爾伯特解調,由提取的故障特征信息以確定設備的故障問題所在。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人華南理工大學,其通訊地址為:510640 廣東省廣州市天河區五山路381號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。