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！

龙图腾网获悉重庆大学申请的专利一种适用于强噪声背景下的旋转机械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：CN119880377B 。

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：202411655184.5，技术领域涉及：G01M13/00；该发明授权一种适用于强噪声背景下的旋转机械故障诊断方法是由龙洋;曾元三;沈芝仪;刘景泉设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种适用于强噪声背景下的旋转机械故障诊断方法在说明书摘要公布了：本发明公开一种适用于强噪声背景下的旋转机械故障诊断方法，包括以下步骤：1采集不同工况下旋转机械设备的振动加速度信号，并设置故障类型标签；2对振动加速度信号进行降噪处理，生成带故障类型标签的时频图，并将这些时频图划分为旋转机械故障训练集和测试集；3构建基于融合注意力机制的SwinTGAM网络模型；4利用旋转机械故障训练集对SwinTGAM网络模型进行训练；5采集待诊断旋转机械设备的振动加速度数据，并输入至测试合格的SwinTGAM网络模型中，得到旋转机械故障诊断结果。本发明集成了深度学习模型与信号处理技术，使模型在面对含有强噪声的信号时具有较强的鲁棒性和很高的准确性。

本发明授权一种适用于强噪声背景下的旋转机械故障诊断方法在权利要求书中公布了：1.一种适用于强噪声背景下的旋转机械故障诊断方法，其特征在于，包括以下步骤： 1采集不同工况下旋转机械设备的振动加速度信号，并设置故障类型标签； 2对振动加速度信号进行降噪处理，生成带故障类型标签的时频图，并将这些时频图划分为旋转机械故障训练集和测试集； 3构建基于融合注意力机制的SwinTGAM网络模型； 4利用旋转机械故障训练集对SwinTGAM网络模型进行训练； 5利用旋转机械故障测试集对训练后的SwinTGAM网络模型进行测试，若测试合格，则进入步骤6，否则，返回步骤1； 6采集待诊断旋转机械设备的振动加速度数据，并输入至测试合格的SwinTGAM网络模型中，得到旋转机械故障诊断结果； 步骤2中，对振动加速度信号进行降噪处理的步骤包括： 2.1使用改进的完全自适应噪声集合经验模态分解算法对振动加速度信号进行分解，获得多个IMFs分量； 2.2计算不同IMFs分量的样本熵，并使用改进阈值函数的小波降噪算法对样本熵大于0.1的IMFs分量进行降噪、重构； 2.3采用连续小波变换方法对经过降噪处理的信号进行转换，生成不同故障类型标签下的时频图； 步骤2.1中，对振动加速度信号进行分解的步骤包括： 2.1.1在振动加速度信号中加入高斯白噪声ωi，得到： 式中：为构建的第1个信号；x为振动加速度信号；σ1为第一次分解信号的期望信噪比，ωi为第i个添加的高斯白噪声；E1·为经过EMD分解得到的第1个IMF；N为高斯白噪声数量； 2.1.2计算第一次残余分量以及第一模态分量IMF1，即： IMF1＝x-r13 式中：r1为第1个残余分量；·表示取平均值； 2.1.3在第一次残余分量r1中加入高斯白噪声，并计算第二次残余分量r2与第二次模态分量IMF2，即： r2＝r1+σ2E2ωi4 IMF2＝r1-r25 式中，σ2为第二次分解信号的期望信噪比，E2·为经过EMD分解得到的IMF； 2.1.4判断第二次残余分量r2是否为单调函数，若是，则分解结束，输出所有模态和残差分量，否则，进入步骤2.1.5； 2.1.5计算第k次残余分量rk与第k次模态分量IMFk，直至第k次残余分量为单调函数，输出所有模态和残差分量；k≥3 第k次残余分量rk与第k次模态分量IMFk如下所示： IMFk＝rk-1-rk7 式中，Ek·为经过EMD分解得到的IMF；rk-1为第k-1次残余分量； 步骤2.2中，使用改进阈值函数的小波降噪算法对样本熵大于0.1的IMFs分量进行降噪、重构的步骤包括： 2.2.1选择小波基函数和分解层数对IMFs分量进行多尺度小波分解，得到一系列各尺度的高频小波系数； 2.2.2对这些高频小波系数采用门限阈值及阈值函数进行处理，以去除噪声； 其中，阈值函数如下所示： 式中，ωj,k为量化前的小波系数；λ为阈值，sgn符号函数，参数p∈0,λ；为经过处理后的小波系数； 2.2.3使用逆小波变换将处理后的系数重构为降噪后的信号，得到： 其中，hi[n]为小波函数，*表示卷积运算，Ci[n]为小波系数；X[n]为降噪后的信号； 步骤2.3中，连续小波变换定义为： 其中，u为平移因子，控制小波窗在时域中的位置；v为缩放因子，控制小波窗的大小和频域中的位置；xt、X∞u,v分别表示变换前、后的参数； 小波基函数如下所示： 其中，ω0是频率参数，控制小波函数的频率，i是虚数单位，π是圆周率；t为时间。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。