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！

龙图腾网获悉北京理工大学申请的专利基于GA-VMD与自适应随机共振的轴承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：CN115628906B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211264172.0，技术领域涉及：G01M13/04；该发明授权基于GA-VMD与自适应随机共振的轴承故障诊断方法是由靳艳飞;安永辉设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本基于GA-VMD与自适应随机共振的轴承故障诊断方法在说明书摘要公布了：本发明公开的基于GA‑VMD与自适应随机共振的轴承故障诊断方法，属于旋转机械早期故障诊断领域。本发明实现方法为：获取原始滚动轴承振动信号；以包络熵为综合目标函数，通过遗传算法搜索综合目标函数最小值，确定变分模态分解算法中惩罚参数α与模态数k的最佳组合；利用优化的变分模态分解算法对原始轴承信号初步降噪；以轴承信号的信噪比为综合目标函数，通过量子粒子群算法搜索综合目标函数最大值，确定非线性系统势函数参数a和b及阻尼系数μ的最优组合，得到最优参数且具有自适应性的随机共振系统；利用此随机共振系统对轴承振动信号进行随机共振，提高轴承信号的信噪比；对随机共振输出信号进行频谱分析，进而实现微弱故障特征精确提取与故障准确识别。

本发明授权基于GA-VMD与自适应随机共振的轴承故障诊断方法在权利要求书中公布了：1.基于GA-VMD与自适应随机共振的轴承故障诊断方法，其特征在于：包括如下步骤， 步骤一：获取原始滚动轴承振动信号； 步骤二：考虑变分模态分解过程中，惩罚参数α与模态数k的相互影响，避免进行独立取值；以含强噪声的原始滚动轴承信号包络熵为综合优化目标函数，通过遗传算法对综合优化目标函数最小值进行搜索，寻找到用于降低原始滚动轴承信号噪声强度的惩罚参数α与模态数k的最优组合，得到最优参数的变分模态分解算法GA-VMD； 步骤三：通过步骤二所述最优参数的变分模态分解算法降低原始滚动轴承信号中因外界恶劣环境产生的噪声，得到最优变分模态分解算法初步降噪的滚动轴承振动信号； 步骤四：基于步骤三得到的初步降噪的滚动轴承振动信号、添加的高斯白噪声与含有exp-x2修正项的势函数非线性系统共同组成改进随机共振系统；选择改进的双稳态系统势函数Ux，考虑势函数参数之间的相互影响，采用量子粒子群算法，以滚动轴承振动信号的信噪比ISNR作为量子粒子群算法的综合优化目标函数，通过量子粒子群算法对综合优化目标函数最大值进行搜索，寻找到非线性系统势函数参数a和b及阻尼系数μ的最优组合，得到最优参数且具有自适应性的随机共振系统；利用此随机共振系统对滚动轴承振动信号进行随机共振，进一步降低滚动轴承振动信号所含噪声，提高滚动轴承振动信号的信噪比； 步骤五：对上述随机共振输出的高信噪比滚动轴承振动信号进行短时傅里叶变换，得到高信噪比滚动轴承振动信号的频谱图，以便于滚动轴承早期故障特征信号演化规律的捕获；通过对频谱图分析，精准识别滚动轴承早期微弱故障特征频率，进而在强噪声的恶劣环境下仍能够实现滚动轴承早期故障特征精确提取与故障类型准确识别。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。