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！

龙图腾网获悉西安交通大学申请的专利基于张量稀疏表示的高速列车传动系统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：CN116738140B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202210965496.0，技术领域涉及：G06F18/10；该发明授权基于张量稀疏表示的高速列车传动系统故障诊断方法是由张兴武;申泽宇;万涵旸;李明;于晓蕾;陈雪峰设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本基于张量稀疏表示的高速列车传动系统故障诊断方法在说明书摘要公布了：公开了一种基于张量稀疏表示的高速列车传动系统故障诊断方法，方法中，实时测量高速列车传动系统的时域振动信号，构造张量数据，时域振动信号变换为频域信号或小波包信号以构造张量；测量高速列车传动系统正常运行的张量数据作为正常样本，基于K‑SVD字典学习算法利用Kronecker积推广到张量上，使用正常样本当作训练集求得张量各个维度的字典；生成权重张量作为正常样本的分布先验，字典训练完成后，训练集样本在学习到的字典上做张量稀疏分解得到核心稀疏张量，计算张量稀疏分解损失，以正常样本的分解结果自适应的确定异常状态的阈值，超过此阈值后则判定高速列车传动系统出现故障。

本发明授权基于张量稀疏表示的高速列车传动系统故障诊断方法在权利要求书中公布了：1.一种基于张量稀疏表示的高速列车传动系统故障诊断方法，其特征在于，其包括以下步骤， 步骤一，实时测量高速列车传动系统的时域振动信号以构造张量，其中，所述时域振动信号变换为频域信号或小波包信号以构造张量； 步骤二，使用高速列车传动系统正常运行的数据作为正常样本，基于K-SVD字典学习算法利用Kronecker积将字典学习算法推广到张量上，使用正常样本当作训练集求得训练集张量各个维度的字典，其中，目标函数为： ， 其中，s.t.表示受约束于，为训练集张量各个维度的字典，为训练集张量的维度数，为训练集张量的核心稀疏张量，为训练集样本数，代表由正常样本构造的张量组成的训练集，代表训练集张量的核心稀疏张量与各个维度字典的乘积，F表示F范数，K表示稀疏度； 步骤三，通过训练集的核心稀疏张量上坐标处被选中的频次生成权重张量作为正常样本的分布先验，字典训练完成后，训练集样本在学习到的字典上做张量稀疏分解得到核心稀疏张量，其中，使用Kronecker-OMP算法，目标函数为： ， 其中，λ为正则化参数； 之后对所述核心稀疏张量中非零元素的分布情况进行统计，计算出训练集字典的每个原子在整个训练集分解上出现的频次，权重张量计算公式如下： ， 其中，其中是权重张量在坐标处的元素值，是训练集的核心稀疏张量上坐标处被选中的频次； 步骤四，计算张量稀疏分解损失，以正常样本张量的分解损失自适应的确定异常状态的阈值，张量稀疏分解损失包括重构误差与分布误差两部分，和分别表示重构误差和分布误差在张量分解损失指标中所占比重，重构误差的表达式为： ，为训练集张量的核心稀疏张量，代表由正常样本构造的张量组成的训练集， 计算训练集中每个样本的重构误差，得到训练集上的分解损失集合之后，在上计算数据的均值和标准差， ， ， 其中，为训练集样本数，为训练集中每个样本的重构误差， 阈值设置为，超过所述阈值后则判定高速列车传动系统出现故障。

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交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。