买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安理工大学申请的专利一种小样本变工况风机轴承故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116739045B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310719394.5，技术领域涉及：G06N3/045；该发明授权一种小样本变工况风机轴承故障诊断方法是由杨延西;李婧华;卢帅设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种小样本变工况风机轴承故障诊断方法在说明书摘要公布了：本发明涉及风机轴承故障诊断技术领域，具体公开了一种小样本变工况风机轴承故障诊断方法，特别是风机轴承故障特征提取的方法。在风机工作的时间，很容易因外界因素造成滚动轴承故障，但由于风机轴承安装过程的复杂性，运维人员通常会在轴承寿命未到期前或发生故障后及时更换，以避免停机损失。使用时间序列生成对抗网络生成一部分符合原始故障数据分布的虚拟数据，丰富轴承数据集的故障特征，实现故障样本之间的平衡。针对现有研究忽略故障数据部分时域特征的问题，构建双通道融合网络模型BiLSTM‑RepVGG‑ECA，该模型通过双向长短期记忆网络加强时域数据的特征，使用RepVGG‑ECA提取常数Q变换后时频图的空间信息。

本发明授权一种小样本变工况风机轴承故障诊断方法在权利要求书中公布了：1.一种小样本变工况风机轴承故障诊断方法，采用故障数据的扩充、蜣螂优化算法优化变分模态分解参数、变分模态分解、信号重构、数据集生成、故障诊断六个阶段，蜣螂优化算法的工艺流程是： 步骤101：开始变工况风机轴承故障诊断过程； 步骤102：读取凯斯西储数据集轴承故障数据，包括内圈故障、外圈故障和滚动体故障数据； 步骤103：初始化时间序列生成对抗网络的参数； 步骤104：获取时间序列生成对抗网络的训练结果，即符合原始故障数据分布的虚拟数据； 步骤105：读取时间序列生成对抗网络生成的数据集，包括9种故障数据和1种健康状态的数据； 步骤106：选择一种状态的轴承振动数据，作为蜣螂优化算法的输入数据； 步骤107：构造蜣螂优化算法的适应度函数； 步骤108：初始化蜣螂优化算法的参数，开始迭代蜣螂优化算法的参数； 步骤109：获取蜣螂优化算法的运行结果，将结果带入变分模态分解算法； 步骤110：运行变分模态分解，获得相应的模态及模态频谱； 步骤111：进行故障特征提取，获得重构信号； 步骤112：对重构后的信号进行重叠采样和常数Q变换，获得时频图； 步骤113：划分数据集； 步骤114：使用划分好的数据集训练BiLSTM-RepVGG-ECA网络，提取空间信息； 步骤115：加载训练好的BiLSTM-RepVGG-ECA模型权重，使用测试集进行预测； 步骤116：得到故障诊断结果； 所述的步骤110至步骤111的变分模态分解及重构的实现过程包括： 步骤401：根据蜣螂优化算法的结果作为变分模态分解初始化参数； 步骤402：运行变分模态分解； 步骤403：获取各个模态的时域图和频谱图； 步骤404：计算各个模态峭度； 步骤405：选择最大峭度对应的模态进行包络谱分析； 步骤406：选择最大峭度对应的模态作为重构信号； 步骤407：故障特征提取结束； 所述的步骤114至步骤116BiLSTM-RepVGG-ECA算法的实现过程包括： 步骤601：在RepVGG的第五个阶段后添加ECA注意力模块，构成RepVGG-ECA轻量化模型； 步骤602：将双向长短期记忆网络和RepVGG-ECA的全连接层连接起来，构成一个双通道的融合网络模型； 步骤603：选择RepVGG-A0网络和双向长短期记忆网络的优化器； 步骤604：基于BiLSTM-RepVGG-ECA模型对风机轴承进行故障诊断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。