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！

龍圖騰網獲悉電子科技大學申請的專利一種基于人工智能的機械設備故障數據識別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：CN120508812B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510998239.0，技術領域涉及：G06F18/213；該發明授權一種基于人工智能的機械設備故障數據識別方法是由孫宗正;牛新建;趙連敏;韓瑾;劉建衛;劉迎輝設計研發完成，并于2025-07-21向國家知識產權局提交的專利申請。

本一種基于人工智能的機械設備故障數據識別方法在說明書摘要公布了：本發明涉及一種基于人工智能的機械設備故障數據識別方法，數據處理與人工智能技術領域。解決現有技術在故障診斷中存在的信號處理不敏感、特征提取不充分、噪聲干擾顯著以及模型訓練效率低等問題。該方法提出基于能量密度的自適應歸一化方法，有效抑制非平穩信號影響并保留關鍵特征；通過混合能量熵特征提取與頻帶間能量躍變懲罰項，顯著增強對復雜故障模式的敏感性；構建基于高斯勢阱的故障特征增強策略，強化故障特征聚集區響應；采用加權損失函數與梯度定向修正機制，提升模型魯棒性和準確性；結合熵值加權學習率和協方差縮放策略，實現自適應訓練，提高收斂速度和適應性。該方法提升了機械故障診斷的精度和效率，為工業智能化發展提供支持。

本發明授權一種基于人工智能的機械設備故障數據識別方法在權利要求書中公布了：1.一種基于人工智能的機械設備故障數據識別方法，其特征在于，所述方法包括以下步驟： 步驟S1：采集機械設備振動數據，將采集的振動數據進行浮點格式存儲并保留完整時域振幅信息與時間戳序列； 步驟S2：對機械設備振動數據去噪得到去噪后的振動數據，去除傳感器本身電子噪聲、環境干擾以及隨機波動； 步驟S3：對去噪后的振動數據進行標注得到標注后的振動數據，將去噪后的振動數據標記為正常狀態或對應的故障類型； 步驟S4：采用基于能量密度的自適應歸一化方法將標注后的振動數據進行自適應歸一化，得到歸一化之后的振動數據； 步驟S5：通過結合頻帶間能量躍變懲罰項增強對沖擊型故障的敏感性，進而計算混合能量熵； 步驟S6：構建基于自適應高斯核的特征增強策略，強化特征空間中聚類區域的響應強度； 步驟S7：構建故障數據識別神經網絡； 步驟S8：對神經網絡訓練，得到訓練好的訓練神經網絡； 步驟S9：使用訓練好的神經網絡對機械設備故障數據進行識別； 步驟S5包括如下步驟： 步驟S51：對歸一化之后的振動數據執行小波包分解，得到多個子頻帶的小波包系數序列； 步驟S52：基于每個子頻帶的小波包系數序列，計算小波包系數序列所有系數絕對值的平方和得到子頻帶能量值； 步驟S53：基于所有子頻帶的能量值，將每個子頻帶的能量值除以所有子頻帶能量值的總和，得到子頻帶相對能量值； 步驟S54：基于各子頻帶相對能量值，通過計算其香農熵，并構建頻帶間能量躍變懲罰項，得到混合能量熵； 步驟S6包括如下步驟： 步驟S61：對所有樣本的相對能量熵特征向量進行聚類處理，得到故障特征聚類中心向量； 步驟S62：基于故障特征聚類中心向量和屬于該聚類的樣本集合計算類內標準差； 步驟S63：基于得到的聚類中心向量和類內標準差，構建高斯核函數； 步驟S64：將相對能量熵特征向量與對應的高斯核函數輸出向量進行逐元素相乘，得到增強特征向量。

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電子科技大學，其通訊地址為：611731 四川省成都市高新區(西區)西源大道2006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”。