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！

龙图腾网获悉哈尔滨工程大学申请的专利一种自主式水下机器人推进器弱故障特征提取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：CN114186587B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202111493572.4，技术领域涉及：G06F18/2131；该发明授权一种自主式水下机器人推进器弱故障特征提取方法是由张铭钧;于大程;刘星;姚峰设计研发完成，并于2021-12-08向国家知识产权局提交的专利申请。

本一种自主式水下机器人推进器弱故障特征提取方法在说明书摘要公布了：本发明提供一种自主式水下机器人推进器弱故障特征提取方法，该方法属于水下机器人故障诊断技术领域，包含两个部分：故障特征增强和特征融合。首先，本专利通过负熵来判断多源状态信号和控制信号所有模态的高斯性，以此优化参数，完成降噪，再基于修正贝叶斯算法提取并增强故障特征。之后，将特征信号划分为多个时间区间，以各区间发生故障为焦元，对除纵向速度外的所有信号进行第一次特征融合，再将第一次融合的结果与纵向速度的特征信号进行第二次融合，进一步增强故障特征，同时使得故障特征与故障程度之间呈现单调性。本专利可为后续故障检测及辨识提供基础，特别适合于自主式水下机器人推进器的状态监测。

本发明授权一种自主式水下机器人推进器弱故障特征提取方法在权利要求书中公布了：1.一种自主式水下机器人推进器弱故障特征提取方法，其特征在于，步骤如下： 步骤1：初始化变分模态分解VMD的模态数、中心频率和平衡参数，并以此进行VMD获得初始模态集合； 步骤2：基于负熵得到改进的优化评价函数MTF和各模态熵值； 负熵J的理论计算公式为： Jy＝Hyguass-Hy 其中，yguass和y是具有相同协方差的高斯变量；H·是微分熵，Hy＝-∫fylogfydy，采用逼近策略来获得负熵的估计值： Jy≈[EGy-EGv]2 其中，v是与y具有零均值、同样方差的高斯变量；E·表示期望；G·表示非二次函数，Gy＝-exp-y22； 基于负熵改进MVMD中的优化评价函数TF，得到改进的优化评价函数MTF为： 其中，f、frecon、fres分别表示原始信号、重构信号和残余信号；β1、β2、β3是构成分母的不同成分的权重；NEu表示负熵，其中u表示数据序列；ELR表示重构信号frecon与原始信号f能量的比值，值越大表示信号损失越少，Orth表示重构信号frecon与原始信号f的正交性，正交性值越高，两个向量的相关性越高， 步骤3：寻找最优模态数和平衡参数，不断通过删除、合并操作生成新的模态集合，通过改进的优化评价函数MTF求取最优的分解模态数和中心频率； 步骤4：降噪并基于MB进行故障特征提取，基于最优模态数和中心频率VMD分解信号删除残余模态并重构信号，获得降噪信号，之后基于MB进行故障特征提取； 步骤5：对右主推控制量故障特征信号、侧推控制量故障特征信号、艏向角故障特征信号，以时间区间发生故障为“焦点元素”进行基本概率分配计算； 按照固定长度N将故障特征信号X＝{x1,x2,...,xn}从左到右依次划分为N2个时间区间，得到每个时间区间的故障特征向量yk； yk＝{xk,xk+1,...,xk+N-1} 其中，k＝1,2,3...,N2； 以在第k时间区间内发生故障为“焦点元素”Ak，构建识别框架 根据下式进行概率分配，得到故障特征信号的基本概率分配函数mAk 其中，dk为第k区间的故障特征向量yk的最大值； 步骤6：基于Dempster合成规则进行融合； 进行特征融合时，纵向速度故障特征信号不参与融合，对其他信号的基本概率分配函数基于证据理论进行第一次融合； 步骤7：故障特征二次融合，将一次融合后的可信度集合与速度信号的故障特征信号进行融合，获得最终的故障特征结果； MFt＝St·ωt 其中，St为速度信号特征；αi＝N1·i，0＜t＜N1·N2；Ht为单位阶跃函数； 以融合故障特征信号MFt的最大值作为推进器融合故障特征值F，即F＝maxMFt。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室；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”。

以上内容由龙图腾AI智能生成。