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)獲悉武漢工程大學(xué)申請的專利齒輪箱故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118464429B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12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?zhí)?專利號為：202410498608.5，技術(shù)領(lǐng)域涉及：G01M13/02；該發(fā)明授權(quán)齒輪箱故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)是由陳漢新;易懷勝;李少義;鄭志軍;徐義;吳同津;劉智;王耕;劉雨昊;朱國濤設(shè)計(jì)研發(fā)完成，并于2024-04-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本齒輪箱故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)在說明書摘要公布了：本申請?zhí)峁┮环N齒輪箱故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。方法包括：獲取待測齒輪箱的齒輪在不同狀態(tài)下，待測齒輪箱的原始振動信號；將所有原始振動信號中以固定采樣長度采樣的原始振動信號的特征進(jìn)行提取，得到以固定采樣長度下每次采樣對應(yīng)的表征待測齒輪箱工況的特征向量；從預(yù)設(shè)參數(shù)范圍中，選擇不同的參數(shù)作為預(yù)設(shè)PNN模型的平滑因子，并通過平滑因子和特征向量對預(yù)設(shè)PNN模型進(jìn)行交叉驗(yàn)證，得到預(yù)設(shè)PNN模型在不同的平滑因子下的準(zhǔn)確率，并根據(jù)準(zhǔn)確率確定目標(biāo)參數(shù)；根據(jù)預(yù)設(shè)PNN模型和目標(biāo)參數(shù)，構(gòu)建齒輪箱故障檢測模型；通過齒輪箱故障檢測模型，確定待測齒輪箱的故障類型。如此，可以改善當(dāng)下齒輪箱故障檢測方式存在準(zhǔn)確性不足的問題。

本發(fā)明授權(quán)齒輪箱故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種齒輪箱故障檢測方法，其特征在于，所述方法包括： 獲取待測齒輪箱的齒輪在不同狀態(tài)下，所述待測齒輪箱的原始振動信號； 將所有原始振動信號中以固定采樣長度采樣的所述原始振動信號的特征進(jìn)行提取，得到以所述固定采樣長度下每次采樣對應(yīng)的表征所述待測齒輪箱工況的特征向量； 從預(yù)設(shè)參數(shù)范圍中，選擇不同的參數(shù)作為預(yù)設(shè)PNN模型的平滑因子，并通過所述平滑因子和所述特征向量對所述預(yù)設(shè)PNN模型進(jìn)行交叉驗(yàn)證，得到所述預(yù)設(shè)PNN模型在不同的所述平滑因子下的準(zhǔn)確率，并確定所述準(zhǔn)確率最高時，對應(yīng)的所述平滑因子作為目標(biāo)參數(shù)； 根據(jù)所述預(yù)設(shè)PNN模型和所述目標(biāo)參數(shù)，構(gòu)建齒輪箱故障檢測模型； 通過所述齒輪箱故障檢測模型，確定所述待測齒輪箱的故障類型； 將所有原始振動信號中以固定采樣長度采樣的所述原始振動信號的特征進(jìn)行提取，得到以所述固定采樣長度下每次采樣對應(yīng)的表征所述待測齒輪箱工況的特征向量，包括： 對于每組以固定采樣長度采樣的所述原始振動信號，根據(jù)所述原始振動信號，通過連續(xù)小波變化構(gòu)建三階張量； 通過核一致診斷法確定所述三階張量的主成分?jǐn)?shù)； 根據(jù)所述三階張量和所述主成分?jǐn)?shù)，通過平行因子分析法對所述三階張量分解得到對應(yīng)的三線性模型； 提取所述三線性模型中的頻率信號和時域信號，并根據(jù)所述頻率信號確定所述頻率信號對應(yīng)的重心頻率，以及，根據(jù)所述時域信號確定所述時域信號對應(yīng)的峭度指標(biāo)； 根據(jù)所述重心頻率和所述峭度指標(biāo)，構(gòu)建所述特征向量； 選擇不同的參數(shù)作為預(yù)設(shè)PNN模型的平滑因子，并通過所述平滑因子和所述特征向量對所述預(yù)設(shè)PNN模型進(jìn)行交叉驗(yàn)證，得到所述預(yù)設(shè)PNN模型在不同的所述平滑因子下的準(zhǔn)確率，并確定所述準(zhǔn)確率最高時，對應(yīng)的所述平滑因子作為目標(biāo)參數(shù)，包括： 初始化相關(guān)參數(shù)，所述相關(guān)參數(shù)包括用于從所述預(yù)設(shè)參數(shù)范圍中搜索所述目標(biāo)參數(shù)的向量的數(shù)量、最大迭代次數(shù)、向量的初始位置和初始全局最優(yōu)位置； 對于每個所述向量，基于第一預(yù)設(shè)規(guī)則更新所述向量的初始位置，得到位置更新后的向量； 將所述位置更新后的向量與滿足預(yù)設(shè)條件的所述向量進(jìn)行合并，得到第一新向量； 將所述第一新向量所處位置對應(yīng)的參數(shù)作為所述平滑因子帶入所述預(yù)設(shè)PNN模型進(jìn)行交叉驗(yàn)證，并確定所述預(yù)設(shè)PNN模型在當(dāng)前平滑因子下的所述準(zhǔn)確率； 根據(jù)所述預(yù)設(shè)PNN模型在當(dāng)前平滑因子下的所述準(zhǔn)確率與所述初始全局最優(yōu)位置對應(yīng)的所述準(zhǔn)確率進(jìn)行對比，確定所述準(zhǔn)確率較高的位置作為新的最優(yōu)位置； 根據(jù)所述新的最優(yōu)位置，基于第二預(yù)設(shè)規(guī)則更新所述第一新向量，得到第二新向量； 將所述第二新向量所處位置對應(yīng)的參數(shù)作為所述平滑因子帶入所述預(yù)設(shè)PNN模型進(jìn)行交叉驗(yàn)證，并確定所述預(yù)設(shè)PNN模型在當(dāng)前平滑因子下的所述準(zhǔn)確率； 根據(jù)所述預(yù)設(shè)PNN模型在當(dāng)前平滑因子下的所述準(zhǔn)確率與所述新的最優(yōu)位置對應(yīng)的所述準(zhǔn)確率進(jìn)行對比，確定所述準(zhǔn)確率較高的位置作為目標(biāo)最優(yōu)位置； 將所述目標(biāo)最優(yōu)位置作為所述初始全局最優(yōu)位置，并從基于第一預(yù)設(shè)規(guī)則更新所述向量的初始位置，得到位置更新后的向量起，重復(fù)上述步驟，直至迭代次數(shù)大于或等于所述最大迭代次數(shù)； 確定最后一次迭代得到的所述目標(biāo)最優(yōu)位置對應(yīng)的所述平滑因子，作為所述目標(biāo)參數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人武漢工程大學(xué)，其通訊地址為：430205 湖北省武漢市東湖新技術(shù)開發(fā)區(qū)光谷一路206號；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)”。