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！

龙图腾网获悉中国计量大学申请的专利一种基于特征频率和峭度的泵汽蚀状态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：CN118349874B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202410529475.3，技术领域涉及：G06F18/24；该发明授权一种基于特征频率和峭度的泵汽蚀状态诊断方法是由邵春旭;吴登昊;刘妍;杨梦欣;赵见高;吴函恬;谷云庆;牟介刚设计研发完成，并于2024-04-29向国家知识产权局提交的专利申请。

本一种基于特征频率和峭度的泵汽蚀状态诊断方法在说明书摘要公布了：一种基于特征频率和峭度的泵汽蚀状态诊断方法，基于泵运行状态监测系统，获取泵运行时的振动信号；采用五点三次Savitzky‑Golay滤波算法对原始振动信号进行降噪处理；利用短时傅里叶变换获取信号的频率、幅值和相位信息，明确汽蚀特征频率分布；对信号进行三分之一倍频程分析，得到信号不同频段的能量随汽蚀发展的变化规律；计算信号的峭度与各个频段的均方根值RMS；将流量状态、峭度及RMS三个参数作为双层BPNN神经网络的输入变量，对离心泵汽蚀状态进行识别与分类。本发明能够在各个流量工况下对泵的汽蚀状态进行准确识别与分类，实现泵汽蚀状态的实时监测，提高设备稳定性和可靠性，有效降低设备成本及运行和维护费用。

本发明授权一种基于特征频率和峭度的泵汽蚀状态诊断方法在权利要求书中公布了：1.一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述方法包括以下步骤；步骤1、基于泵运行状态监测系统，获取泵运行时的振动信号，泵运行时的振动数据借助布置于泵不同位置的加速度传感器获取；步骤2、采用五点三次Savitzky-Golay滤波算法对原始振动信号进行降噪处理，过程如下：S-G滤波是一种基于局域多项式的数据平滑方法，通过在时域内设置滤波窗口，并利用最小二乘法进行拟合，在有效去除高频噪声的同时可以保持信号的形状和宽度不变，由于振动加速度传感器采集的泵振动信号是含有不同程度的噪声非平稳信号，选用Savitzky-Golay卷积平滑算法进行降噪处理；设一组信号为xn，n＝1,2,3......，其中一个窗口数据为xi，i＝-m,...,0,...m，窗口宽度为2m+1，采用k-1阶多项式对窗口内的数据进行拟合，表示为式1：y＝a0+a1x+...+ak-1xk-11式中，y为拟合数据，a0～ak-1为系数；得到2m+1个方程组成的k元线性方程组，其矩阵形式为：Y2m+1×1＝X2m+1×k·Ak×1+B2m+1×12当2m+1k时，方程组有解，其中，A＝XT·X-1·XT·Y，因此，滤波后的值Y为：Y＝X·A＝X·XT·X-1·XT·Y3通过自左而右移动滤波窗口，获得整个信号滤波后的平滑序列，经过SG滤波，振动信号在保留原有形状的同时，脉冲干扰和能量占比小的噪声被去除，信噪比提高；步骤3、利用短时傅里叶变换获取信号的频率、幅值和相位信息，明确汽蚀特征频率分布，过程如下：基于步骤2，对信号进行短时傅里叶变换；相比傅里叶变换，短时傅里叶变换在反映信号频域特性的同时还能反映信号的时域特性；短时傅里叶变换定义如下为： xm是输入信号，ωm是窗函数；短时傅里叶变换是将一段信号截成多段，每段信号进行傅里叶变换，最后在时域上连接起来；每次取出的段信号称为一帧，一帧信号的长度为2n；为保证结果的准确性，相邻两帧信号要有重叠，即HopSize，HopSize取帧长度的25％到75％；步骤4、对信号进行三分之一倍频程分析，得到信号不同频段的能量随汽蚀发展的变化规律，过程如下：基于步骤3，对信号进行三分之一倍频程分析；三分之一倍频程谱是声学、人体振动与机械振动中测试分析的常用方法；倍频程谱由一系列中心频率点以及对应中心频率附近频带内信号的有效值RMS组成；三分之一倍频程中心频率为：fc＝1000×103n30Hzn＝0,±1,±2,±3,…5三分之一倍频程的上限频率fu、下限频率fl与中心频率之间fc关系为： 对信号进行三分之一倍频程分析，得到振动信号的汽蚀噪声分布，以及信号各频段的能量随汽蚀发展的变化规律；步骤5、计算信号的峭度与各个频段的均方根值RMS：基于步骤4，计算信号的峭度与各个频段的均方根值RMS；步骤6、将流量状态、峭度及RMS三个参数作为双层BPNN神经网络的输入变量，对离心泵汽蚀状态进行识别与分类。

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计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。