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！

龙图腾网获悉南京航空航天大学申请的专利基于非平稳非线性特征抵消的机械旋转部件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：CN116756639B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310273189.0，技术领域涉及：G06F18/2411；该发明授权基于非平稳非线性特征抵消的机械旋转部件故障诊断方法是由陆建涛;张治中;李舜酩;廖晨;贾斌设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于非平稳非线性特征抵消的机械旋转部件故障诊断方法在说明书摘要公布了：本发明公开了一种基于非平稳非线性特征抵消的机械旋转部件故障诊断方法，预先获取正常状态和故障状态下的机械旋转部件振动信号；利用经验模态分解处理原始信号，得到原始本征模态分量，然后设置阶次参数hii，进行多阶次重构，得到重构的分量，求取能量特征，建立数据集；选择最优核函数，构建核矩阵；将数据输入核矩阵后将核矩阵中心化，计算特征值并依大小次序将特征向量进行排序，重构数据集；将重构的数据集输入到SVM，利用训练集训练SVM分类器，利用测试集对训练好的分类器进行测试，实现故障精准分类。本发明提出的核主元算法结合了经验模态分解方法，能够针对非线性、非平稳信号实现机械旋转部件故障的精准分类。

本发明授权基于非平稳非线性特征抵消的机械旋转部件故障诊断方法在权利要求书中公布了：1.一种基于非平稳非线性特征抵消的机械旋转部件故障诊断方法，其特征在于，包括以下步骤： 1预先获取正常状态和故障状态下的机械旋转部件振动信号； 2利用经验模态分解处理原始信号，得到原始本征模态分量，然后设置阶次参数hi，进行多阶次重构，得到重构的分量，抵消其非平稳特性影响，求取能量特征，建立数据集，并划分训练集与测试集； 3选择最优核函数，构建核矩阵； 4将数据输入核矩阵后将核矩阵中心化，计算特征值并依大小次序将特征向量进行排序，重构数据集； 5将重构的数据集输入到SVM，利用训练集训练SVM分类器，利用测试集对训练好的分类器进行测试，实现故障精准分类； 所述步骤2实现过程如下： 将模拟试验台上采集的原始信号截取M个数据点，进行EMD分解： 式中，Cit表示EMD分解得到的各个IMF分量；rnt为信号分解后的余项；i和n为分解次数，N为分量的总数； 设置阶次参数hi，分别对原始分量Cit中每一分量根据相应的阶次参数进行二次分解，得到多阶次重构分量计算能量特征向量，计算重构IMF分量能量公式如下： 求取每个IMF分量的能量值后循环求总能量，之后求取每个IMF分量百分比并存储建立数据集，划分训练集与测试集； 所述步骤3实现过程如下： 根据样本数量计算核矩阵，并中心化核矩阵；其中核函数选择径向基核函数： 其中，x和y为输入的样本特征，σ为特征伸缩尺度； 所述步骤4实现过程如下： 将划分好的训练集与测试集输入KPCA模型中，通过非线性映射将样本映射到一个高维的特征空间中，得到核矩阵K，之后将其中心化； 求解核矩阵K的特征值λ1，λ2，...，λm，将特征值由从大到小的顺序排序，选取相对应的特征向量作为核主元特征向； 以核主元特征向量作为滚动轴承故障特征集，重建训练集与测试集； 所述步骤5实现过程如下： 选用多分类支持向量机进行网络寻优，获取最优的惩罚系数和SVM核参数，将重构的训练集和测试集输入SVM中实现对滚动轴承的故障识别。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。