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！

龙图腾网获悉电子科技大学申请的专利一种基于人工智能的机械设备故障数据识别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：CN120508812B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510998239.0，技术领域涉及：G06F18/213；该发明授权一种基于人工智能的机械设备故障数据识别方法是由孙宗正;牛新建;赵连敏;韩瑾;刘建卫;刘迎辉设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于人工智能的机械设备故障数据识别方法在说明书摘要公布了：本发明涉及一种基于人工智能的机械设备故障数据识别方法，数据处理与人工智能技术领域。解决现有技术在故障诊断中存在的信号处理不敏感、特征提取不充分、噪声干扰显著以及模型训练效率低等问题。该方法提出基于能量密度的自适应归一化方法，有效抑制非平稳信号影响并保留关键特征；通过混合能量熵特征提取与频带间能量跃变惩罚项，显著增强对复杂故障模式的敏感性；构建基于高斯势阱的故障特征增强策略，强化故障特征聚集区响应；采用加权损失函数与梯度定向修正机制，提升模型鲁棒性和准确性；结合熵值加权学习率和协方差缩放策略，实现自适应训练，提高收敛速度和适应性。该方法提升了机械故障诊断的精度和效率，为工业智能化发展提供支持。

本发明授权一种基于人工智能的机械设备故障数据识别方法在权利要求书中公布了：1.一种基于人工智能的机械设备故障数据识别方法，其特征在于，所述方法包括以下步骤： 步骤S1：采集机械设备振动数据，将采集的振动数据进行浮点格式存储并保留完整时域振幅信息与时间戳序列； 步骤S2：对机械设备振动数据去噪得到去噪后的振动数据，去除传感器本身电子噪声、环境干扰以及随机波动； 步骤S3：对去噪后的振动数据进行标注得到标注后的振动数据，将去噪后的振动数据标记为正常状态或对应的故障类型； 步骤S4：采用基于能量密度的自适应归一化方法将标注后的振动数据进行自适应归一化，得到归一化之后的振动数据； 步骤S5：通过结合频带间能量跃变惩罚项增强对冲击型故障的敏感性，进而计算混合能量熵； 步骤S6：构建基于自适应高斯核的特征增强策略，强化特征空间中聚类区域的响应强度； 步骤S7：构建故障数据识别神经网络； 步骤S8：对神经网络训练，得到训练好的训练神经网络； 步骤S9：使用训练好的神经网络对机械设备故障数据进行识别； 步骤S5包括如下步骤： 步骤S51：对归一化之后的振动数据执行小波包分解，得到多个子频带的小波包系数序列； 步骤S52：基于每个子频带的小波包系数序列，计算小波包系数序列所有系数绝对值的平方和得到子频带能量值； 步骤S53：基于所有子频带的能量值，将每个子频带的能量值除以所有子频带能量值的总和，得到子频带相对能量值； 步骤S54：基于各子频带相对能量值，通过计算其香农熵，并构建频带间能量跃变惩罚项，得到混合能量熵； 步骤S6包括如下步骤： 步骤S61：对所有样本的相对能量熵特征向量进行聚类处理，得到故障特征聚类中心向量； 步骤S62：基于故障特征聚类中心向量和属于该聚类的样本集合计算类内标准差； 步骤S63：基于得到的聚类中心向量和类内标准差，构建高斯核函数； 步骤S64：将相对能量熵特征向量与对应的高斯核函数输出向量进行逐元素相乘，得到增强特征向量。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。