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！

龙图腾网获悉四川大学申请的专利一种基于可听声信号的旋转机械故障诊断方法及装置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：CN119509932B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411509365.7，技术领域涉及：G01M13/00；该发明授权一种基于可听声信号的旋转机械故障诊断方法及装置是由杨随先;涂凤秒;张堂莉;刘涛;张顶成设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于可听声信号的旋转机械故障诊断方法及装置在说明书摘要公布了：本发明公开了一种基于可听声信号的旋转机械故障诊断方法及装置。方法包括：使用滑动窗口方式对获取的旋转机械设备的原始可听声信号进行预处理，得到原始可听声信号样本集；采用多标签编码方式对原始可听声信号样本集中的每个样本打上对应的标签；对原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集；对输入数据集进行样本数据增强，得到平衡数据集；根据预先构建的神经网络模型对平衡数据集及其对应的标签进行训练，获取故障分类模型，神经网络模型由多个卷积层和胶囊网络层构成；采用故障分类模型对待识别旋转机械设备的待识别可听声信号数据进行故障识别，确定待识别旋转机械设备的故障分类结果。

本发明授权一种基于可听声信号的旋转机械故障诊断方法及装置在权利要求书中公布了：1.一种基于可听声信号的旋转机械故障诊断方法，其特征在于，包括： 使用滑动窗口方式对获取的旋转机械设备的原始可听声信号进行预处理，得到原始可听声信号样本集，其中所述原始可听声信号样本集包括单故障数据和复合故障数据； 采用多标签编码方式对所述原始可听声信号样本集中的每个样本打上对应的标签； 对所述原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集； 对所述输入数据集进行样本数据增强，得到平衡数据集； 根据预先构建的神经网络模型对所述平衡数据集及其对应的标签进行训练，获取故障分类模型，所述神经网络模型由多个卷积层和胶囊网络层构成； 采用所述故障分类模型对待识别旋转机械设备的待识别可听声信号数据进行故障识别，确定所述待识别旋转机械设备的故障分类结果； 对所述原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集，包括： 将所述原始可听声信号样本集进行分帧处理，并为每帧信号添加预设窗函数，生成分帧可听声信号； 对所述分帧可听声信号进行离散傅里叶变换处理，获取离散信号； 计算所述离散信号的功率谱； 应用Mel滤波器组在线性频率上均匀分布一组三角形滤波器； 将所述功率谱与所述三角形滤波器相乘并取对数，生成所述输入数据集； 所述分帧可听声信号fmn的计算公式为： fmn＝fn+m·h·ωn 式中，m表示帧索引，n表示帧大小，h表示帧移位，ωn表示帧的窗口权重，fmn表示添加窗函数后的帧； 所述离散信号的计算公式为： 式中，k为频率点的索引，K为傅里叶变换的点数，fmk为与帧的频率分量相对应的离散傅里叶变换的离散信号； 所述功率谱的计算公式为： Pmk＝|fmk|2 所述三角形滤波器的Mel频率范围为： 其中，Mel频率与采样频率的尺度关系为：f是信号的频率，fmelf是Mel频率，Hik表示Mel滤波器对频率的响应，i为滤波器索引，M为滤波器的数量，fi为Mel频率尺度上的滤波器中心频率； 对所述输入数据集进行样本数据增强，得到平衡数据集，包括： 构建包含隐式标签信息的正交化的潜在空间向量； 构建将隐空间控制与局部感知机制相结合的生成对抗模型，所述生成对抗模型包括生成器和判别器，其中所述生成器的输入为所述潜在空间向量； 采用所述生成对抗模型对所述输入数据集进行样本数据增强，得到所述平衡数据集。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。