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)獲悉華能廣西清潔能源有限公司;南京航空航天大學(xué)申請的專利基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法獲國家發(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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120011968B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23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：202510061921.7，技術(shù)領(lǐng)域涉及：G06F18/2431；該發(fā)明授權(quán)基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法是由李學(xué)孔;張子建;黃純亮;董洋洋;李帥;鄧乾杰;彭鑫源設(shè)計(jì)研發(fā)完成，并于2025-01-15向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法在說明書摘要公布了：本發(fā)明公開了一種基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法，S1.形成風(fēng)機(jī)軸系多模態(tài)信號綜合數(shù)據(jù)集；S2.基于風(fēng)機(jī)軸系多模態(tài)信號綜合數(shù)據(jù)集，按照分層策略對風(fēng)機(jī)軸系的故障模式進(jìn)行分類；S3.形成每一層的特征數(shù)據(jù)集；S4.形成適應(yīng)不同運(yùn)行工況的優(yōu)化模型；S5.輸出優(yōu)化后的診斷解；S6.生成風(fēng)機(jī)軸系的綜合診斷結(jié)果；S7.根據(jù)所述綜合診斷結(jié)果生成風(fēng)機(jī)軸系的故障預(yù)警信息及健康狀態(tài)評估報(bào)告，同時(shí)提供故障位置、故障類型及維護(hù)建議。本發(fā)明解決了傳統(tǒng)優(yōu)化方法中常見的局部最優(yōu)陷阱問題，并有效降低了復(fù)雜故障模式下的計(jì)算成本。

本發(fā)明授權(quán)基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法在權(quán)利要求書中公布了：1.一種基于分層多目標(biāo)優(yōu)化算法的風(fēng)機(jī)軸系故障診斷方法，其特征在于，包括如下步驟： S1.獲取風(fēng)機(jī)軸系運(yùn)行過程中的多模態(tài)信號數(shù)據(jù)，并對所述多模態(tài)信號數(shù)據(jù)進(jìn)行信號去噪、歸一化處理和時(shí)間序列分割，形成風(fēng)機(jī)軸系多模態(tài)信號綜合數(shù)據(jù)集； S2.基于風(fēng)機(jī)軸系多模態(tài)信號綜合數(shù)據(jù)集，按照分層策略對風(fēng)機(jī)軸系的故障模式進(jìn)行分類，將所述故障模式劃分為基礎(chǔ)層、中間層和頂層； S3.在每一層故障模式中，利用信號處理技術(shù)對所述多模態(tài)信號數(shù)據(jù)進(jìn)行特征提取和特征降維，形成每一層的特征數(shù)據(jù)集； S4.基于提取每一層的特征數(shù)據(jù)集構(gòu)建多目標(biāo)優(yōu)化模型，多目標(biāo)優(yōu)化模型以故障診斷的準(zhǔn)確性、故障診斷的實(shí)時(shí)性和多模態(tài)信號數(shù)據(jù)的適應(yīng)性為優(yōu)化目標(biāo)，動(dòng)態(tài)調(diào)整目標(biāo)權(quán)重，形成適應(yīng)不同運(yùn)行工況的優(yōu)化模型； S5.將淘金優(yōu)化算法應(yīng)用于所述多目標(biāo)優(yōu)化模型的求解，探索階段在所述多目標(biāo)優(yōu)化模型的全局范圍內(nèi)采樣特征數(shù)據(jù)，生成初始候選解，挖掘階段在所述初始候選解附近進(jìn)行局部優(yōu)化，輸出優(yōu)化后的診斷解； 所述步驟S5具體包括： S51.在多目標(biāo)優(yōu)化模型中將風(fēng)機(jī)軸系綜合特征數(shù)據(jù)集F分層映射到優(yōu)化參數(shù)空間Θ，利用淘金優(yōu)化算法的探索階段進(jìn)行全局采樣； S52.結(jié)合風(fēng)機(jī)軸系故障診斷主題，針對每個(gè)候選解計(jì)算多目標(biāo)優(yōu)化函數(shù)值定義多目標(biāo)故障診斷優(yōu)化函數(shù)為Foptθk； S53.在初始候選解集合中，根據(jù)多目標(biāo)故障診斷優(yōu)化函數(shù)Foptθk的排序選擇前Nf個(gè)診斷解，定義診斷解集合為： Θf＝{θk∣Foptθk≤δf,k＝1,2,…,Nf}； 其中，δf為閾值，選取優(yōu)化函數(shù)值最優(yōu)的解，Θf為診斷解集合； S54.在挖掘階段，結(jié)合風(fēng)機(jī)軸系的故障模式特征，針對診斷解集合Θf進(jìn)行局部優(yōu)化，定義基于風(fēng)機(jī)軸系特征的動(dòng)態(tài)梯度挖掘?yàn)椋? 其中，為基于風(fēng)機(jī)軸系多模態(tài)信號的特征正則化項(xiàng)，ζ為正則化權(quán)重，用于限制參數(shù)更新范圍，為梯度計(jì)算，用于指引優(yōu)化方向； S55.在全局探索和局部挖掘完成后，結(jié)合全局和局部的優(yōu)化結(jié)果，輸出最終診斷解集合： 其中，Θopt為最終診斷解集合，包含針對風(fēng)機(jī)軸系故障診斷的最優(yōu)參數(shù)，No為最終解數(shù)量； S6.基于優(yōu)化后的診斷解，在分層策略中逐層進(jìn)行風(fēng)機(jī)軸系的故障診斷，輸出每一層的診斷結(jié)果，并將各層診斷結(jié)果融合，生成風(fēng)機(jī)軸系的綜合診斷結(jié)果； S7.根據(jù)所述綜合診斷結(jié)果生成風(fēng)機(jī)軸系的故障預(yù)警信息及健康狀態(tài)評估報(bào)告，同時(shí)提供故障位置、故障類型及維護(hù)建議。

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)人華能廣西清潔能源有限公司;南京航空航天大學(xué)，其通訊地址為：530000 廣西壯族自治區(qū)南寧市中國(廣西)自由貿(mào)易試驗(yàn)區(qū)南寧片區(qū)凱旋路16號廣東大廈四十三層；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)”。