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一种基于多元分解网络的旋转机械复合故障特征解耦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：CN118747280B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410655869.3，技术领域涉及：G06F18/213；该发明授权一种基于多元分解网络的旋转机械复合故障特征解耦方法是由林慧斌;冼贤钊;何国林设计研发完成，并于2024-05-24向国家知识产权局提交的专利申请。

本一种基于多元分解网络的旋转机械复合故障特征解耦方法在说明书摘要公布了：本发明公开了一种基于多元分解网络的旋转机械复合故障特征解耦方法，包括步骤：S1、根据旋转机械设备中存在的平稳型故障和局部型故障种类，搭建多元分解网络模型；S2、利用旋转机械的平稳型故障仿真模型和局部型故障机理模型构建用于网络训练的数据集；S3、以混合特征信号样本作为网络输入，并以各类型的故障仿真信号样本分别作为标签序列，对网络模型进行训练；S4、采集设备端的机械振动信号，并计算传动部件局部故障对应的特征频率；S5、利用训练完备的多元分解网络对实测混合特征信号进行特征解耦，获取网络内各特征提取器输出作为解耦特征信号；S6、对解耦特征信号分别进行解调分析，根据分析结果确定设备的复合故障问题所在。

本发明授权一种基于多元分解网络的旋转机械复合故障特征解耦方法在权利要求书中公布了：1.基于多元分解网络的旋转机械复合故障特征解耦方法，其特征在于，包括以下步骤： 步骤S1、根据旋转机械设备中存在的平稳型故障和局部型故障种类，搭建多元分解网络； 步骤S1包括以下步骤： S1.1、根据设备中的平稳性故障类型和局部型故障种类确定特征提取器数量，利用解码子网络与编码子网络构建先特征扩展后特征融合的卷积特征提取器，并针对不同故障的特征分布模式选择卷积核大小； S1.2、特征提取器之间通过特征余量求解模块实现串联连接，其中特征余量求解模块通过幅值相减的方式从输入信号中去除当前特征提取器的输出重构特征以求解特征余量； S1.3、利用特征提取器所输出的提取结果求解特征余量用于多元分解网络内部特征传递； 不同特征提取器的解码子网络和编码子网络均采用卷积层-激活层-批量归一化层组合搭建，并以2为倍数逐层调整解码部分和编码部分的卷积核数量； 特征提取器中的卷积层根据下式求解卷积特征的边缘填充值，以确保各通道的输出特征与输入特征保持长度相等： 式中，p表示卷积特征边缘填充值，I和E分别为输入数据和输出卷积特征长度，S表示卷积步长值，Ksize表示卷积核的大小； 步骤S2、利用旋转机械的平稳型故障仿真模型和局部型故障机理模型构建用于多元分解网络训练的数据集，包括以下步骤： S2.1、根据旋转机械局部故障机理模型，构建不同故障类型的冲击响应仿真信号，得到无噪冲击故障标签序列； S2.2、根据实际工况中平稳型故障成分形成原理，构建平稳型故障无噪仿真标签序列； S2.3、将无噪冲击故障标签序列和平稳型故障标签序列随机组合，并加入高斯白噪声，得到含噪混合特征样本及其对应的无噪分量标签序列，完成数据集构建； 步骤S3、以混合特征信号样本作为多元分解网络输入，并以各类型的故障仿真信号样本分别作为标签序列，对多元分解网络进行训练； 步骤S4、采集设备端的机械振动信号，并计算传动部件局部故障对应的特征频率； 步骤S5、利用训练完备的多元分解网络对实测混合特征信号进行特征解耦，获取网络内各特征提取器输出作为解耦特征信号； 步骤S6、对解耦特征信号分别进行希尔伯特解调分析，通过比对分析结果与故障特征频率确定设备的复合故障问题。

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”。