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！

龙图腾网获悉齐鲁工业大学申请的专利一种轴承故障特征提取方法、系统、介质以及设备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：CN114781448B 。

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：202210409798.X，技术领域涉及：G06F18/24；该发明授权一种轴承故障特征提取方法、系统、介质以及设备是由耿玉水;张雪峰;赵晶;林雪设计研发完成，并于2022-04-19向国家知识产权局提交的专利申请。

本一种轴承故障特征提取方法、系统、介质以及设备在说明书摘要公布了：本公开提供了一种轴承故障特征提取方法，引入了高斯‑伯努利受限玻尔兹曼机模型，解决了传统受限玻尔兹曼机输入向量受限于伯努利二值分布且对于非二项分布的数据重构拟合效果差的问题；利用余弦损失函数作为损失函数，保留了Softmax损失函数扩大类间差异的优势，并减小了对不同信号强度的敏感性；结合了注意力机制自适应对描述轴承状态有效的特征进行更有效的提取。

本发明授权一种轴承故障特征提取方法、系统、介质以及设备在权利要求书中公布了：1.一种轴承故障特征提取方法，其特征在于，具体训练过程包括以下步骤： 步骤1：采集滚动轴承的不同位置的振动信号，并将所述的振动信号作为输入数据，划分训练数据集和测试数据集； 步骤2：提取输入数据的时域特征指标以及频域特征指标； 步骤3：分别对所述时域特征和频域特征两个维度特征进行深度挖掘，形成两个深度特征集合； 利用改进的DBN的贪婪学习方法分别对两个维度特征进行深度的挖掘，形成P1，P2两个深度特征集合，利用注意力机制对P1、P2进行自适应的动态加权形成特征集合P，并输入全连接层，完成对轴承的故障识别； DBN是由多个受限玻尔兹曼机-RBM栈式堆叠形成，在RBM模型中引入独立高斯分布的连续值来处理连续数据，把RBM的结构单元输出值限定在0～1之间的连续值，GB-RBM是假设可见层变量为高斯分布，隐层变量为伯努利分布，其能量函数定义为： ai为可见单元偏置;bj为隐单元偏置;σ为可见单元的高斯噪声标准差;wij为可见单元与隐单元之间的连接权重； 步骤4：对所述的两个深度特征集合利用注意力机制进行自适应的动态加权形成特征集合，输入全连接层，对轴承进行初步故障识别； 利用注意力机制将通过DBN后获取的时域、频域特征结合形成轴承故障诊断的全局特征计算为： 其中，hi分别是时域、频域的深度特征；ai是他们相对应的重要性权值；c为通过注意力获得的全局特征； 步骤5：利用改进后的损失函数对模型进行训练，实现对训练数据集上轴承的精确故障识别； 损失函数的改进方式为： 对于相同故障信号q1，q2，其对于故障标签为p1，在以Softmax作为损失函数时，得到最终损失函数Ls以下所示： N分别为一批次训练样本数与故障类别数;x为隐藏层输出;W为权重矩阵;θ为其间夹角； 步骤6：对测试数据集中的振动信号按照步骤2~4进行数据特征处理，输入模型进行识别输出轴承故障识别结果。

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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501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”。