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！

龙图腾网获悉华南理工大学申请的专利基于机理与卷积测量网络的旋转机械局部型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：CN116150586B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310084483.7，技术领域涉及：G06F18/10；该发明授权基于机理与卷积测量网络的旋转机械局部型故障诊断方法是由林慧斌;王洪畅设计研发完成，并于2023-01-13向国家知识产权局提交的专利申请。

本基于机理与卷积测量网络的旋转机械局部型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机理与卷积测量网络的旋转机械局部型故障诊断方法，包括步骤：步骤S1、利用旋转机械局部型故障机理构建用于模型训练的数据集；步骤S2、构造网络层数由所需信号压缩率确定，且隐含层与原信号的频率成对应关系的深度卷积去噪自编码网络；步骤S3、采集设备端的机械振动信号和转速信号，并计算设备不同位置发生齿轮或轴承局部故障时对应的特征频率；步骤S4、截取训练完备的编码子网络代替传统压缩感知中的观测矩阵对旋转机械振动信号进行压缩测量，得到压缩域信号；步骤S5、将压缩域信号进行远程传输；步骤S6、在接收端直接对压缩域信号进行特征提取，由提取的故障特征信息以确定设备的故障问题所在。

本发明授权基于机理与卷积测量网络的旋转机械局部型故障诊断方法在权利要求书中公布了：1.基于机理与卷积测量网络的旋转机械局部型故障诊断方法，其特征在于，包括以下步骤： S1、利用旋转机械的局部型故障机理构建用于模型训练的数据集，包括以下步骤：S11、根据旋转机械局部故障信号数学模型，建立故障冲击分量，得到无噪样本； S12、对无噪样本加入高斯白噪声，得到含噪样本； S13、以含噪样本作为输入、故障冲击分量作为序列标注，完成数据集的构建； S2、构造深度卷积去噪自编码网络，深度卷积去噪自编码网络的网络层数由所需信号压缩率确定，隐含层与原信号的频率成对应关系，并对深度卷积去噪自编码网络进行训练； 深度卷积去噪自编码网络包括编码子网络和解码子网络，其中编码子网络包括卷积层和池化层，解码子网络包括卷积层和上采样层；深度卷积去噪自编码网络的最大池化层起对信号压缩的作用，设置在编码子网络的卷积层后，编码子网络的卷积核数量以2的倍数逐层递减，至最后一层卷积层数量为1； 深度卷积去噪自编码网络具体包括： 每个卷积层输出的维度等于输入的维度，并依据下式得到卷积核的参数： 式中：表示卷积核的大小，表示填充Padding的大小，表示步长Stride的大小，表示卷积层输入的维度，表示卷积层输出的维度； S3、采集设备端的机械振动信号和转速信号，并计算设备不同位置发生齿轮或轴承局部故障时对应的特征频率，具体包括： S31、采集设备的振动加速度信号与输入轴的转速； S32、由设备结构分析其中齿轮和轴承可能会发生的故障类型，并由设备工况计算其故障特征频率； S4、截取训练完备深度卷积去噪自编码网络的编码子网络对旋转机械振动信号进行压缩测量，得到压缩域信号，具体包括： S41、利用步骤S1的数据集对深度卷积去噪自编码网络进行训练，并截取训练完备的编码子网络； S42、利用编码子网络对旋转机械振动信号进行压缩测量，得到压缩域信号； S5、将压缩域信号进行远程传输； S6、在接收端直接对压缩域信号进行希尔伯特解调，由提取的故障特征信息以确定设备的故障问题所在。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。