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！

龙图腾网恭喜东南大学申请的专利基于时频域卷积网络和深度森林的风电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：CN114964780B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210598089.0，技术领域涉及：G01M13/045；该发明授权基于时频域卷积网络和深度森林的风电轴承故障诊断方法是由邓艾东;刘东川;杨宏强;范永胜设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本基于时频域卷积网络和深度森林的风电轴承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时频域卷积网络和深度森林的风电轴承故障诊断方法，涉及故障诊断技术领域，解决了在复杂工况和高噪声情况下风电机组轴承故障诊断准确率较低的技术问题，其技术方案要点是对风电轴承振动数据添加故障标签形成数据集，将数据集划分训练集和测试集；将训练集和测试集数据输入时频域卷积网络中提取深层次特征；将提取到的深层次特征集输入到深度森林的级联森林部分训练，形成振动数据和故障标签之间的恒等映射；将测试集数据输入训练好的模型中，得到相应的故障类型标签。将时频域卷积网络和深度森林结合使用，有利于实现对于特征的自动提取，能有效提取高噪声及复杂工况下的风电轴承特征中有效信息，实现更高的故障诊断精度。

本发明授权基于时频域卷积网络和深度森林的风电轴承故障诊断方法在权利要求书中公布了：1.一种基于时频域卷积网络和深度森林的风电轴承故障诊断方法，其特征在于，包括：S1：获取风电机组轴承原始振动信号及对应的工况、转速、负载和故障类型标签；对所述原始振动信号进行划窗，得到单一故障源的多段故障数据，对所述多段故障数据进行预处理并添加对应的故障类型标签形成数据集，将所述数据集划分为训练集和测试集；S2：将所述训练集和所述测试集输入到时频域卷积网络进行特征提取，得到各自的深层次特征集；S3：将所述深层次特征集输入到第一深度森林模型对所述第一深度森林模型进行训练，得到第二深度森林模型；S4：将所述测试集的深层次特征集输入到所述第二深度森林模型，得到相应的故障类型标签，完成故障诊断；其中，所述第一深度森林模型包括至少两个级联层，相邻级联层之间通过自编码器连接，每个级联层包括随机森林、完全随机森林、XGboost和高斯贝叶斯分类器；将所述深层次特征集输入到第一深度森林模型对所述第一深度森林模型进行训练，得到第二深度森林模型包括：S31：将所述深层次特征集输入到所述第一深度森林模型的第一层级联层进行诊断，得到第一层级联层的诊断结果；S32：将所述诊断结果与所述深层次特征集结合并输入到自编码器中得到增强特征；S33：将所述增强特征输入到下一层级联层进行诊断，得到下一层级联层的诊断结果；S34：重复步骤S32至S33，直至所述第一深度森林模型的准确率不再增加，输出训练完成的模型即为所述第二深度森林模型。

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东南大学，其通讯地址为：211100 江苏省南京市江宁区东南大学路2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”。