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！

龙图腾网获悉中国矿业大学;徐州北矿智能科技有限公司申请的专利一种基于带式输送机托辊轴承声学信号的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：CN119574116B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411722973.6，技术领域涉及：G01M13/045；该发明授权一种基于带式输送机托辊轴承声学信号的故障诊断方法是由赵啦啦;杨大正;王忠宾;李雨潭;张传金;谭超;闫海峰;李锰钢;朱运涛;金竹涛设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于带式输送机托辊轴承声学信号的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带式输送机托辊轴承声学信号的故障诊断方法，包括利用浣熊优化算法对变分模态分解算法中的关键参数进行自适应全局寻优，得到全局最优解，将全局最优解反馈至变分模态分解算法中，使用该算法对采集的托辊轴承声学信号进行自适应信号分解，得到IMF；利用综合指标对IMF中的分量进行筛选，得到最优IMF分量，并计算其时域特征值，构成降噪后的信号特征向量；使用浣熊优化算法对卷积神经网络的超参数进行寻优，得到优化后的卷积神经网络故障诊断模型，将降噪后的信号特征向量输入到该模型中进行故障分类诊断，得到诊断结果。本发明能够自适应地对托辊轴承的声学信号进行分解并提取故障特征，有效解决了模态混叠等问题。

本发明授权一种基于带式输送机托辊轴承声学信号的故障诊断方法在权利要求书中公布了：1.一种基于带式输送机托辊轴承声学信号的故障诊断方法，其特征在于，包括： S1、利用声音传感器采集托辊轴承的声学信号； S2、利用浣熊优化算法对变分模态分解算法中的关键参数进行自适应全局寻优，得到全局最优解；关键参数包括模态个数K和惩罚因子α； S3、将寻优结束的关键参数反馈至变分模态分解算法中，使用该算法对步骤S1中的声学信号进行自适应信号分解，得到相应的IMF； S4、利用综合指标对IMF中的分量进行筛选，将综合指标最大的分量作为最优IMF分量；其中，综合指标包括互相关系数、排列熵和互信息熵，具体表达式如下： MIxi，yi＝Hyi-Hyi|xi 其中，CC、PE、MI、mi、ci分别表示互相关系数、排列熵、互信息熵、互信息熵的归一化、复合指标，xi表示第i个声音信号的IMF分量，表示所有IMF分量的平均值，yi表示第i个声音信号，表示所有声音信号的平均值，N表示声音信号的总数，pj表示第i个声音信号的第k个模态分量中第j种排列方式出现的概率，k＝1,2,…,n，n表示模态分量的总数，x[n]表示原始声音信号，Hyi表示信号yi的熵，Hyi|xi表示已知xi时yi的条件熵，Hxi表示信号xi的熵； S5、计算最优IMF分量的时域特征值，构成降噪后的信号特征向量； S6、使用浣熊优化算法对卷积神经网络的超参数进行寻优，得到优化后的卷积神经网络故障诊断模型；其中，卷积神经网络的超参数包括学习率、隐藏层节点和正则化系数，对该超参数进行寻优包括以下内容： S601、设置浣熊优化算法的参数，包括种群数量、最大迭代次数、优化上下界范围； S602、初始化种群，计算卷积神经网络中学习率、隐藏层节点和正则化系数的适应度值； S603、根据浣熊优化算法的基本原则更新所有浣熊和鬣蜥的位置； S604、确定每个目标是否超出边界，若超出，则返回步骤S603重新进行操作；若没有超出，则进入步骤S605； S605、修正学习率、隐藏层节点和正则化系数及其适应度值； S606、重复步骤S602-S605直至满足终止准则，得到全局最优的学习率、隐藏层节点和正则化系数； S607、优化后的卷积神经网络故障诊断模型包括依次连接的折叠层、两层卷积层、两层激活层和反折叠层； S7、将降噪后的信号特征向量输入到优化后的卷积神经网络故障诊断模型中进行故障分类诊断，得到诊断结果。

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中国矿业大学;徐州北矿智能科技有限公司，其通讯地址为：221116 江苏省徐州市铜山区大学路1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。