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！

龙图腾网恭喜中原工学院申请的专利一种变速工况下滚动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：CN114112398B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202111410111.6，技术领域涉及：G01M13/045；该发明授权一种变速工况下滚动轴承故障诊断方法是由余发军;骆铮;韩茜茜;林漫漫;赵启凤;张利民;张梁设计研发完成，并于2021-11-25向国家知识产权局提交的专利申请。

本一种变速工况下滚动轴承故障诊断方法在说明书摘要公布了：一种变速工况下滚动轴承故障诊断方法，通过对正交方向振动信号的阶谱分析构建不受转速影响的阶谱特征，利用多层卷积神经网络提取阶谱特征中有效故障特征，最后通过全连接神经网络层决策故障类型，包括：利用双通道加速度传感器测取滚动轴承在不同转速工况时水平方向的振动信号和垂直方向的振动信号；对测取的双通道振动信号进行预处理，区分不同的故障类型，设置一定的重叠长度，将每种故障类型的双通道振动信号重叠截断成长度相同的若干段；构建阶谱特征矩阵；搭建一维卷积神经网络；对搭建的一维卷积神经网络进行训练；对训练过的一维卷积神经网络进行测试，计算出类别诊断正确率和总诊断正确率。本发明在变速工况故障诊断方面具有显著的优势。

本发明授权一种变速工况下滚动轴承故障诊断方法在权利要求书中公布了：1.一种变速工况下滚动轴承故障诊断方法，采用基于卷积神经网络的智能诊断方法，通过对正交方向振动信号的阶谱分析构建不受转速影响的阶谱特征，构建多层卷积神经网络提取阶谱特征中有效故障特征，最后通过全连接神经网络层决策故障类型，其特征在于，包括步骤如下：S1，利用双通道加速度传感器测取滚动轴承在不同转速工况时，水平方向的振动信号和垂直方向的振动信号；S2，对测取的双通道振动信号进行预处理，区分不同的故障类型，设置一定的重叠长度，将每种故障类型的双通道振动信号重叠截断成若干段，使每段长度相同；S3，构建阶谱特征矩阵，其过程如下：步骤3.1：利用1式构成复信号zi＝xi+jyi1其中：i为经步骤S2得到的各段振动信号的序号，zi为构成的复信号，xi和yi分别为经步骤S2得到的每段水平方向的振动信号和垂直方向的振动信号，j为虚单位，满足j2＝-1；步骤3.2：利用2式求取谱阶 其中：k为谱阶的阶次，Ok为阶次k的谱值，l和L分别为复信号zi中数据点序号和复信号zi中总数据点数，zil为复信号zi中第l个数据值，w为角频率，fr和Fs分别为滚动轴承的转动频率和振动信号的采样频率；步骤3.3：利用3式计算各阶次的正进半径和反进半径 其中：Rpk和Rrk分别为阶次k的正进半径和反进半径，|Ok|和|OL-k|分别表示取Ok和OL-k的复数模；步骤3.4：利用4式计算各阶次的斜率 其中：tgk为阶次k的斜率，ORk和OIk分别表示取Ok的实部和虚部，ORL-k和OIL-k分别表示取OL-k的实部和虚部；步骤3.5：将Rpk、Rrk和tgk合并为向量RpkRrktgk；步骤3.6：从k＝1开始，重复步骤3.2-3.5，直到k＝K结束，其中K为阶次的最大值，K的具体值在应用中设定；将所有k＝1,…,K得到的向量合并，得到矩阵 步骤3.7：对得到的矩阵的每列按5式进行规范化处理， 其中：xk和x'k分别表示规范化处理前的每列中第k个数据和规范化处理后的每列中第k个数据，和分别表示每列中最大数据和最小数据；规范化处理后得到的矩阵即为此样本、即复信号zi的阶谱特征矩阵，然后将此阶谱特征矩阵输入到卷积神经网络中；重复步骤上述过程，直到处理完所有采集的振动信号停止，得到一系列各种故障类型的阶谱特征矩阵样本；S4，搭建一维卷积神经网络；搭建一维卷积神经网络的过程如下，该卷积神经网络特征有：4.1：第1层为输入层，包含3个K×1的列向量节点，分别接收来自步骤S3的谱阶特征矩阵的第1列、第2列和第3列；4.2：第2层至第9层为4个卷积层和4个池化层，卷积层和池化层交替出现；其中：第1个卷积层的核函数宽度和通道数分别设定为24和32；第2个卷积层的核函数宽度和通道数分别设定为18和64；第3个卷积层的核函数宽度和通道数分别设定为15和64；第4个卷积层的核函数宽度和通道数分别设定为12和128；4个卷积层和4个池化层的跨步步长均设定为2；4个卷积层的卷积运算按6式进行， 6式中：q和m分别为卷积层序号和神经元序号，和分别为第q个卷积层的第m个神经元的输出和第q个卷积层的第m个神经元的偏值，c和C分别为第q-1个卷积层的通道序号和通道总数，为第q-1个卷积层的第c个通道的输出，为第q-1个卷积层的第c个通道与第q个卷积层的第m个神经元之间的连接权重，f·表示激活函数，取ReLU函数，其表达式为： 7式中：t表示激活函数的输入值，ft为激活函数的输出值；4个池化层的池化运算按8式进行 8式中：q和j分别为卷积层的序号和池化块的序号，r、s和i分别为池化块的数据宽度、跨步步长和池化块中数据的序号，c'q,j为第q个卷积层中第j个池化块的输出,cq,j-1×s+i表示在第q个卷积层中第j个池化块内池化操作前的第i个数据值，表示取第q个卷积层中第j个池化块内的最大数据值；4.3：第10层和第11层分别为平展层和随机失活层；4.4：第12层和第13层均为全连接层，其包含的神经元数量分别为144和5；全连接层的运算按9式进行 9式中：m为全连接层中神经元的序号，ym和bm分别为全连接层中第m个神经元的输出和偏值，i和I分别为全连接层输入数据的序号和输入数据的总数，xi为全连接层中第i个输入数据，wm,i为全连接层中第i个输入数据与第m个神经元的连接权重，f·为激活函数；第12层的激活函数f·取ReLU即7式，第13层的激活函数f·取Softmax，如10式 10式中，ti为激活函数f·的输入，i和M分别为神经元的序号和总数，fti为激活函数f·的输出，e为自然常数，e＝2.718281828…；S5，对步骤S4搭建的一维卷积神经网络进行训练；S6，对步骤S5训练过的一维卷积神经网络进行测试，计算出类别诊断正确率和总诊断正确率。

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原工学院，其通讯地址为：451191 河南省郑州市新郑双湖经济技术开发区淮河路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”。