Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉工程大学陈汉新获国家专利权

武汉工程大学陈汉新获国家专利权

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!

龙图腾网获悉武汉工程大学申请的专利齿轮箱故障检测方法、装置、电子设备及存储介质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:CN118464429B

龙图腾网通过国家知识产权局官网在2025-09-12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:202410498608.5,技术领域涉及:G01M13/02;该发明授权齿轮箱故障检测方法、装置、电子设备及存储介质是由陈汉新;易怀胜;李少义;郑志军;徐义;吴同津;刘智;王耕;刘雨昊;朱国涛设计研发完成,并于2024-04-24向国家知识产权局提交的专利申请。

齿轮箱故障检测方法、装置、电子设备及存储介质在说明书摘要公布了:本申请提供一种齿轮箱故障检测方法、装置、电子设备及存储介质。方法包括:获取待测齿轮箱的齿轮在不同状态下,待测齿轮箱的原始振动信号;将所有原始振动信号中以固定采样长度采样的原始振动信号的特征进行提取,得到以固定采样长度下每次采样对应的表征待测齿轮箱工况的特征向量;从预设参数范围中,选择不同的参数作为预设PNN模型的平滑因子,并通过平滑因子和特征向量对预设PNN模型进行交叉验证,得到预设PNN模型在不同的平滑因子下的准确率,并根据准确率确定目标参数;根据预设PNN模型和目标参数,构建齿轮箱故障检测模型;通过齿轮箱故障检测模型,确定待测齿轮箱的故障类型。如此,可以改善当下齿轮箱故障检测方式存在准确性不足的问题。

本发明授权齿轮箱故障检测方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种齿轮箱故障检测方法,其特征在于,所述方法包括: 获取待测齿轮箱的齿轮在不同状态下,所述待测齿轮箱的原始振动信号; 将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取,得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量; 从预设参数范围中,选择不同的参数作为预设PNN模型的平滑因子,并通过所述平滑因子和所述特征向量对所述预设PNN模型进行交叉验证,得到所述预设PNN模型在不同的所述平滑因子下的准确率,并确定所述准确率最高时,对应的所述平滑因子作为目标参数; 根据所述预设PNN模型和所述目标参数,构建齿轮箱故障检测模型; 通过所述齿轮箱故障检测模型,确定所述待测齿轮箱的故障类型; 将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取,得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量,包括: 对于每组以固定采样长度采样的所述原始振动信号,根据所述原始振动信号,通过连续小波变化构建三阶张量; 通过核一致诊断法确定所述三阶张量的主成分数; 根据所述三阶张量和所述主成分数,通过平行因子分析法对所述三阶张量分解得到对应的三线性模型; 提取所述三线性模型中的频率信号和时域信号,并根据所述频率信号确定所述频率信号对应的重心频率,以及,根据所述时域信号确定所述时域信号对应的峭度指标; 根据所述重心频率和所述峭度指标,构建所述特征向量; 选择不同的参数作为预设PNN模型的平滑因子,并通过所述平滑因子和所述特征向量对所述预设PNN模型进行交叉验证,得到所述预设PNN模型在不同的所述平滑因子下的准确率,并确定所述准确率最高时,对应的所述平滑因子作为目标参数,包括: 初始化相关参数,所述相关参数包括用于从所述预设参数范围中搜索所述目标参数的向量的数量、最大迭代次数、向量的初始位置和初始全局最优位置; 对于每个所述向量,基于第一预设规则更新所述向量的初始位置,得到位置更新后的向量; 将所述位置更新后的向量与满足预设条件的所述向量进行合并,得到第一新向量; 将所述第一新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证,并确定所述预设PNN模型在当前平滑因子下的所述准确率; 根据所述预设PNN模型在当前平滑因子下的所述准确率与所述初始全局最优位置对应的所述准确率进行对比,确定所述准确率较高的位置作为新的最优位置; 根据所述新的最优位置,基于第二预设规则更新所述第一新向量,得到第二新向量; 将所述第二新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证,并确定所述预设PNN模型在当前平滑因子下的所述准确率; 根据所述预设PNN模型在当前平滑因子下的所述准确率与所述新的最优位置对应的所述准确率进行对比,确定所述准确率较高的位置作为目标最优位置; 将所述目标最优位置作为所述初始全局最优位置,并从基于第一预设规则更新所述向量的初始位置,得到位置更新后的向量起,重复上述步骤,直至迭代次数大于或等于所述最大迭代次数; 确定最后一次迭代得到的所述目标最优位置对应的所述平滑因子,作为所述目标参数。

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武汉工程大学,其通讯地址为:430205 湖北省武汉市东湖新技术开发区光谷一路206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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。