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！

龙图腾网恭喜中国矿业大学申请的专利基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测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：CN116561555B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202310436437.9，技术领域涉及：G06F18/213；该发明授权基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测方法是由李鑫;李勇设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测方法在说明书摘要公布了：本发明公开了基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测方法，包括以下步骤：1采集工业齿轮箱健康状态及不同故障下的多源监测信号；2提取步骤1采集的各单源信号的时域及频域特征，并构造二维故障特征矩阵，以保持各信号源间的空间结构信息；3将正常状态下的二维故障特征矩阵作为输入，训练鲁棒单分类支持矩阵机模型以构建最优检测模型；4采用故障状态下的二维故障特征矩阵验证步骤3的鲁棒单分类支持矩阵机模型的故障检测性能，能够充分保持多源特征间的结构信息，能够提高模型的故障检测性能，对非理想数据，特别是含噪数据及误标签数据具有良好的鲁棒性。

本发明授权基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测方法在权利要求书中公布了：1.基于鲁棒单分类支持矩阵机的工业齿轮箱故障检测方法，其特征在于，包括以下步骤：（1）采集工业齿轮箱健康状态及不同故障下的多源监测信号；（2）提取步骤（1）采集的各单源信号的时域及频域特征，并构造二维故障特征矩阵，以保持各信号源间的空间结构信息；（3）将正常状态下的二维故障特征矩阵作为输入，训练鲁棒单分类支持矩阵机模型以构建最优检测模型；具体包括以下步骤：（3.1）假定由正常状态下的二维故障特征矩阵所构成的单类样本集为，则鲁棒单分类支持矩阵机的目标函数可表示成： 其中：和分别为分类超平面的回归矩阵及偏置；在目标函数中，用于控制模型的复杂度，并避免出现过拟合问题；核范数用于挖掘矩阵数据的固有拓扑结构信息；为松弛变量，用于提高模型的泛化性；和为模型的正则化参数；为了提高鲁棒单分类支持矩阵机的鲁棒性，设计了一种自适应权重生成策略，该策略可根据数据的先验分布，自适应地为每个样本赋予不同的权重： 其中表示与样本中心间的装配矩阵距离；、和分别为的最小值、最大值和均值；为一个极小的正整数；的具体计算公式可表示成： 其中为距离测度的范数系数；（3.2）设计一种基于交替方向乘子法的求解器：根据交替方向乘子法，在鲁棒单分类支持矩阵机的目标函数中引入一辅助变量，并将其改写成： 其中： 构造鲁棒单分类支持矩阵机的拉格朗日函数： 其中为拉格朗日乘子矩阵，表示迭代步长；上式可分解成关于、和的三个子问题，并且每个子问题都可以通过交替迭代优化；对于第k次迭代，鲁棒单分类支持矩阵机的整体迭代过程如下： 将和视为常数，可得到关于的子优化问题： 上式等价于： 通过奇异值收缩算法求解上式，则关于的迭代公式可表示为： 式中表示奇异值收缩算子；将和视为常数，得到关于的子问题： 接下来，构造上式的拉格朗日函数： 式中和为拉格朗日乘子；通过求解上式，得到关于的迭代公式： 式中；通过迭代优化获取鲁棒单分类支持矩阵机的结构参数后，其最终的决策函数表示为： ；模型的正则化参数和通过5折交叉验证方法设定，其中的候选集为，的候选集为；（4）采用故障状态下的二维故障特征矩阵验证步骤（3）的鲁棒单分类支持矩阵机模型的故障检测性能。

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，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”。