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！

龙图腾网获悉西安理工大学申请的专利基于集成学习的高速列车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：CN114861719B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210466209.1，技术领域涉及：G06F18/213；该发明授权基于集成学习的高速列车轴承故障诊断方法是由马维纲;王芝洋;黑新宏;谢国;鲍金花;戴岳;刘一龙设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本基于集成学习的高速列车轴承故障诊断方法在说明书摘要公布了：本发明公开了基于集成学习的高速列车轴承故障诊断方法，具体按照以下步骤实施：通过获取含噪原始信号后进行故障标记划分，再进行CEEMDAN分解，对得到的IMF分量进行降噪处理；再进行IMF分量重构，后进行特征提取；将提取出来的特征分别传入集成学习模型的第一层单模型中，得到分类结果；根据分类结果为集成学习模型的第一层单模型分配不同的权重，再将之整合成一个训练集将产生的训练集传入集成学习模型的第二层随机森林模型中进行训练，得到最终的轴承故障诊断结果。本发明提取的故障信号精度高，提高了分类准确率，解决了现有的高速列车轴承故障诊断准确率低的问题。

本发明授权基于集成学习的高速列车轴承故障诊断方法在权利要求书中公布了：1.基于集成学习的高速列车轴承故障诊断方法，其特征在于，具体按照以下步骤实施： 步骤1，获取高速列车轴承振动原始信号后进行故障标记划分，再进行CEEMDAN分解得到一系列本征模态分量IMF； 步骤2，对步骤1得到的IMF分量进行降噪处理； 步骤3，对步骤2处理后的IMF分量进行重构，得到重构信号后进行特征提取； 步骤4，将步骤3提取出来的特征分别传入集成学习模型的第一层单模型中，得到分类结果； 步骤5，根据步骤4的分类结果计算集成学习模型的第一层单模型的分类准确率，为模型准确率分配权重后整合成一个训练集； 步骤6，将步骤5产生的训练集传入集成学习模型的第二层随机森林模型中进行训练，得到最终的轴承故障诊断结果； 步骤3具体过程为：对步骤2处理后的高频IMF分量经过量化处理后得到高频系数，采用小波分解处理低频IMF分量得到低频系数，将低频系数和高频系数线性相加进行信号的小波重构，提取振动信号的时域特征； 所述步骤4具体过程为：集成学习模型采用Stacking集成学习模型，Stacking集成学习模型的第一层单模型包括SVM、KNN、AdaBoost、XGBoost、LightGBM，将步骤3提取出来的特征分别传入五种单模型中，得到五种不同的分类结果； 所述步骤5对第一层单模型SVM、KNN、AdaBoost、XGBoost、LightGBM的分类准确率分配不同的权重，分别记作，w1、w2、w3、w4、w5；利用信息熵模型构建函数并计算每个参数的权重值，按照权重整合为一个训练集。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。