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！

龙图腾网获悉四川轻化工大学申请的专利一种新型智能化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：CN120804846B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511315552.6，技术领域涉及：G06F18/241；该发明授权一种新型智能化旋转机械故障诊断方法是由唐宇峰;李家伟;代云中;刘铭煊;屈朝阳;张鑫;陈森;杨超设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本一种新型智能化旋转机械故障诊断方法在说明书摘要公布了：本发明提供了一种新型智能化旋转机械故障诊断方法，属于旋转机械故障诊断技术领域，其内容包括：获取旋转机械在正常及不同故障类型下的振动信号；采用变分模态分解方法对旋转机械振动信号进行预处理，分解并去除噪声后重构生成新信号；采用短时傅里叶变换将新振动信号转换为二维时频图像；采用撒哈拉银蚁优化算法SSAO优化卷积神经网络CNN‑长短时记忆神经网络BiLSTM的超参数，包括卷积层神经元个数、卷积核大小、BiLSTM层神经元个数；将二维时频图像输入优化超参数后的CNN‑BiLSTM模型，实现旋转机械故障诊断；本发明对提高旋转机械故障诊断准确率、指导设备维护维修具有十分重要的实际意义。

本发明授权一种新型智能化旋转机械故障诊断方法在权利要求书中公布了：1.一种新型智能化旋转机械故障诊断方法，其特征在于，包括以下步骤： 步骤一：获取旋转机械在正常情况及不同故障类型下的待训练振动信号和故障分类； 步骤二：采用变分模态分解对待训练振动信号进行降噪预处理，得到预处理后的重构信号； 步骤三：将重构信号通过短时傅里叶变换转换为二维时频图像； 步骤四：设置撒哈拉银蚁优化算法所需参数； 所述撒哈拉银蚁优化算法，分为五个依次执行的步骤： 步骤S41：在初始化阶段，利用拉丁超立方采样方法生成M只银蚁在热域内的初始分布，其数学表达式如下： X k =lb+1M×Y+μ-1ub-lb 其中，Xk表示第k只银蚁个体的位置；lb和ub分别为搜索空间的下界和上界，Y为{1,2,…,M}的随机排列，μ表示取自区间0,1的随机数； 步骤S42：在热适应编队阶段，银蚁随机组成团队进行位置更新，每个团队的成员数量Ts是动态调整的，其如下： Ts=max3,min5,round3+2sin2π×tT 其中，round函数代表对括号内的数值四舍五入取整数，t为当前迭代，T为总迭代次数； 步骤S43：在领导者选举阶段，通过评估每个团队中Ts只银蚁的适应度值，选取适应度最优的个体担任该团队的领导者； 步骤S44：在蚁径寻优阶段，对于每个团队的领导者，根据其适应度Fi,bt与当前全局最优解适应度Fgt之间的比列关系决定搜索策略：若Fi,b，沿朝向全局最优的方向进行路径开发，其中为行为控制参数；反之，则直接在全局最优位置附近执行局部勘探，方法如下： =1+12×0,1 i,b t+1 i,b+|0,1|×i,b+0,1××PFi,b i,b t+1 ×0,1+τ×P其他 其中，0,1表示区间[0,1]内均匀分布随机变量，i,b代表第次迭代中第个团队领导者的适应度值，代表第次迭代中全局最优解；i,bt+1i,b分别表示第t+1次迭代和第次迭代中第个团队领导者的位置，表示第次迭代的全局最优位置，i,b分别为第次迭代中第i个团队的领导者与全局最优位置的适应度值，0,1为标准正态分布随机变量，为服从自由度为的T分布随机变量，其中=5+round10×1–tT，round函数代表对括号内的数值四舍五入取整数；P=Xkt-lbub-lb，其中Xkt表示第k只银蚁个体在第t次迭代中的位置； 步骤S45：在未知区域勘探阶段，对于每个团队成员，根据其适应度Fi,mt与团队领导者适应度Fi,bt之间的比例关系选择勘探策略：若Fi,mtβ×Fi,bt，则采用跨团队学习方式，引入其他团队最优个体的信息进行搜索；反之，则直接在当前团队领导者附近执行局部勘探，此阶段的更新公式如下： X i,m t+1 =randXi,bt+|N0,1|×randXi,bt-Xi,mtFi,mtβ×Fi,bt X i,m t+1 =Xi,bt×U0,1+τn×P其他 其中，Xi,mt+1和Xi,mt分别表示第t+1次迭代和第t次迭代中，团队i中第m个成员的位置，randXi,bt表示从第t次迭代的团队领导者中随机选取的一位领导者的位置； 五个阶段计算完成后，判断是否完成迭代，若迭代完成，则搜索结束，输出最优位置；若迭代未完成，则返回步骤S42并重复执行S42~S45； 步骤五：基于撒哈拉银蚁优化算法优化卷积神经网络-双向长短期记忆网络的超参数； 步骤六：基于优化后的超参数、重构信号及故障分类，训练得到基于SSAO-VMD-CNN-BiLSTM的旋转机械故障诊断模型； 步骤七：将待诊断的故障诊断信号进行降噪预处理，并通过短时傅里叶变换转化为二维时频图像，并将图像输入到训练好的基于SSAO-VMD-CNN-BiLSTM的旋转机械故障诊断模型中，实现旋转机械故障诊断。

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轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。