買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉齊魯工業(yè)大學(xué)申請(qǐng)的專利一種軸承故障特征提取方法、系統(tǒng)、介質(zhì)以及設(shè)備獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114781448B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210409798.X，技術(shù)領(lǐng)域涉及：G06F18/24；該發(fā)明授權(quán)一種軸承故障特征提取方法、系統(tǒng)、介質(zhì)以及設(shè)備是由耿玉水;張雪峰;趙晶;林雪設(shè)計(jì)研發(fā)完成，并于2022-04-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種軸承故障特征提取方法、系統(tǒng)、介質(zhì)以及設(shè)備在說(shuō)明書(shū)摘要公布了：本公開(kāi)提供了一種軸承故障特征提取方法，引入了高斯?伯努利受限玻爾茲曼機(jī)模型，解決了傳統(tǒng)受限玻爾茲曼機(jī)輸入向量受限于伯努利二值分布且對(duì)于非二項(xiàng)分布的數(shù)據(jù)重構(gòu)擬合效果差的問(wèn)題；利用余弦損失函數(shù)作為損失函數(shù)，保留了Softmax損失函數(shù)擴(kuò)大類間差異的優(yōu)勢(shì)，并減小了對(duì)不同信號(hào)強(qiáng)度的敏感性；結(jié)合了注意力機(jī)制自適應(yīng)對(duì)描述軸承狀態(tài)有效的特征進(jìn)行更有效的提取。

本發(fā)明授權(quán)一種軸承故障特征提取方法、系統(tǒng)、介質(zhì)以及設(shè)備在權(quán)利要求書(shū)中公布了：1.一種軸承故障特征提取方法，其特征在于，具體訓(xùn)練過(guò)程包括以下步驟： 步驟1：采集滾動(dòng)軸承的不同位置的振動(dòng)信號(hào)，并將所述的振動(dòng)信號(hào)作為輸入數(shù)據(jù)，劃分訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集； 步驟2：提取輸入數(shù)據(jù)的時(shí)域特征指標(biāo)以及頻域特征指標(biāo)； 步驟3：分別對(duì)所述時(shí)域特征和頻域特征兩個(gè)維度特征進(jìn)行深度挖掘，形成兩個(gè)深度特征集合； 利用改進(jìn)的DBN的貪婪學(xué)習(xí)方法分別對(duì)兩個(gè)維度特征進(jìn)行深度的挖掘，形成P1，P2兩個(gè)深度特征集合，利用注意力機(jī)制對(duì)P1、P2進(jìn)行自適應(yīng)的動(dòng)態(tài)加權(quán)形成特征集合P，并輸入全連接層，完成對(duì)軸承的故障識(shí)別； DBN是由多個(gè)受限玻爾茲曼機(jī)-RBM棧式堆疊形成，在RBM模型中引入獨(dú)立高斯分布的連續(xù)值來(lái)處理連續(xù)數(shù)據(jù)，把RBM的結(jié)構(gòu)單元輸出值限定在0～1之間的連續(xù)值，GB-RBM是假設(shè)可見(jiàn)層變量為高斯分布，隱層變量為伯努利分布，其能量函數(shù)定義為： ai為可見(jiàn)單元偏置;bj為隱單元偏置;σ為可見(jiàn)單元的高斯噪聲標(biāo)準(zhǔn)差;wij為可見(jiàn)單元與隱單元之間的連接權(quán)重； 步驟4：對(duì)所述的兩個(gè)深度特征集合利用注意力機(jī)制進(jìn)行自適應(yīng)的動(dòng)態(tài)加權(quán)形成特征集合，輸入全連接層，對(duì)軸承進(jìn)行初步故障識(shí)別； 利用注意力機(jī)制將通過(guò)DBN后獲取的時(shí)域、頻域特征結(jié)合形成軸承故障診斷的全局特征計(jì)算為： 其中，hi分別是時(shí)域、頻域的深度特征；ai是他們相對(duì)應(yīng)的重要性權(quán)值；c為通過(guò)注意力獲得的全局特征； 步驟5：利用改進(jìn)后的損失函數(shù)對(duì)模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)訓(xùn)練數(shù)據(jù)集上軸承的精確故障識(shí)別； 損失函數(shù)的改進(jìn)方式為： 對(duì)于相同故障信號(hào)q1，q2，其對(duì)于故障標(biāo)簽為p1，在以Softmax作為損失函數(shù)時(shí)，得到最終損失函數(shù)Ls以下所示： N分別為一批次訓(xùn)練樣本數(shù)與故障類別數(shù);x為隱藏層輸出;W為權(quán)重矩陣;θ為其間夾角； 步驟6：對(duì)測(cè)試數(shù)據(jù)集中的振動(dòng)信號(hào)按照步驟2~4進(jìn)行數(shù)據(jù)特征處理，輸入模型進(jìn)行識(shí)別輸出軸承故障識(shí)別結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)，其通訊地址為：250353 山東省濟(jì)南市長(zhǎng)清區(qū)大學(xué)路3501號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。