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！

龙图腾网获悉湖南科技大学申请的专利一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统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：CN119374908B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202411454675.3，技术领域涉及：G01M13/045；该发明授权一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统是由孙炜康;刘燕飞;郭理宏;杨来铭;赵思波;郭勇;彭延峰设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统在说明书摘要公布了：本发明属于但不限于故障诊断技术领域，尤其涉及一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统，首先，通过构造稀疏滤波器实现了对辛几何原子的预降噪；然后，采用CAP方法实现了多通道信号的统一表征；最后，以正则化奇异局部线性算子为优化目标对构造的稀疏滤波器参数进行优化，不仅实现了多通道信号分解结果的模态对齐，还将其约束为局部窄带信号。MSSUD方法采用CAP方法处理辛几何原子重构信号。该方法可以根据多通道信号的特点自适应地获取投影向量，并将多通道信号投影至超球面上获得多通道信号地统一表征，再结合稀疏滤波器可以实现多通道信号地自适应频带统一分割。

本发明授权一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统在权利要求书中公布了：1.一种基于多元辛稀疏统一分解的轴承故障诊断方法，其特征在于，包括： 首先构建各通道振动信号的辛几何原子库，通过正则化平滑算子筛选有效原子进行合并，获取平滑后的振动信号，从而实现各通道信号的预降噪；然后利用CAP能根据多通道信号的特点适应性获得投影向量的优势，将多通道信号投影到超球面上，获取多通道信号的统一表征；最后，以正则化局部窄带算子为优化目标，通过对构建的稀疏滤波器参数进行优化，在实现多通道信号频带统一分割的同时使约束为局部窄带信号的分解结果具备更好的物理意义； 基于多元辛稀疏统一分解的轴承故障诊断方法具体包括： 步骤1：辛几何预降噪； 步骤2：多通道信号投影； 步骤3：频带统一分割； 步骤1具体包括： S101，对于各通道振动信号Sn＝[s1n,s2n,…,sin],分别针对每一个sin进行预降噪，令r1n＝sin，构建相空间轨迹矩阵X； n是数据长度，d为嵌入维数通常设置为n3，τ为延时长度，m＝n-d-1τ，通过PSD确定嵌入维数d及延时长度τ，可获取相空间轨迹矩阵X，获取对角平均化后的辛几何原子库Y＝[y1n,y2n,…,ykn,…]； S102，计算辛几何原子库Y中的每个辛几何原子分量ykn的奇异局部线性算子； 其中，用于评估辛几何原子，越大则辛几何原子能量越大，分解残余量越小，将Y按ykn的正则化平滑算子从大到小进行排序如下： Y'＝[y1'n,y2'n,…,yk'n,…] S103，构建u＝smoothyk'nsmoothr1n作为重构阈值指标，筛选u0.001的辛几何原子进行重构，获取包含原始信号显著模态的部分辛几何原子矩阵Y”＝[y1'n,y2'n,…,ym'n]，剩余的大量微弱无效分量不参与重构过程，从而减少计算量，提升分解速度； S104，将y1'n依次和其他辛几何原子[y2'n,…,ym'n]合并，重新计算奇异局部线性算子值，若减小则合并，获取辛几何预降噪后的各分量si'n，并构建降噪多通道信号矩阵S'n； 步骤2具体包括： S201，令Rn＝S'n，根据Rn自身的特点采用CAP投影策略获得J个投影向量然后，计算Rn＝[r1n,r2n,…,rMn]的投影信号 S202，对J个投影信号求均值获得多通道信号的统一表征信号mn； 步骤3具体包括： S301，构建滤波器χk|λ，λ＝[ω,ωb,ωc]： S302，通过解决如下优化问题P1，利用遗传算法可获取多通道信号的统一表征信号mn的最优滤波参数λ1＝[ω,ωb,ωc]： 其中 为对作奇异局部线性算子计算，该优化问题通过最小化使得滤波后的多通道信号的统一表征信号约束为局部窄带信号，从而达到自适应频带分割的目的；用于正则化优化目标函数，D'是微分运算用来正则化其中λ权值设置为 S303，令重复S302，构建最优滤波参数矩阵F＝[λ1,λ2,…,λi,…]，直至 最后，分别对Sn中辛几何降噪后的各通道信号采用F中构建的滤波器组进行滤波，实现多通道信号频带的统一分割，获取各通道的多元辛稀疏模态分量。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石码头2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”。

以上内容由龙图腾AI智能生成。