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！

龙图腾网获悉合肥工业大学申请的专利一种轴承故障诊断的分类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：CN116992341B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310766599.9，技术领域涉及：G06F18/241；该发明授权一种轴承故障诊断的分类方法是由葛新方;于江涛;杨顺利;孙佳乐设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种轴承故障诊断的分类方法在说明书摘要公布了：本发明属于轴承故障诊断技术领域内的一种轴承故障诊断的分类方法,包括首先获得轴承故障的原始信号，利用连续小波变换提取特征将其转为时频图，其次利用改进红狐优化算法中对卷积神经网络分类模型的卷积核的大小、卷积核的数量、批尺寸的大小以及学习率进行寻优，构建轴承故障诊断的分类模型；最后使用连续小波变化得到的时频图作为训练集，训练分类模型，输出分类结果。本发明在红狐优化算法中加入反思学习和精英反向策略，使得改进的算法在收敛速度和精确度上有所提高，同时利用红狐优化算法对卷积神经网络参数寻优，降低了传统卷积神经网络参数随机化造成的分类结果不理想、学习时间长的影响，能够为轴承的故障诊断的分类提供精准的分类服务。

本发明授权一种轴承故障诊断的分类方法在权利要求书中公布了：1.一种轴承故障诊断的分类方法，其特征在于：包括如下步骤： S1：获取待诊断轴承的振动信号并进行连续小波转换以生成时频图； S2：基于卷积神经网络构建轴承诊断分类模型，并将所述时频图作为训练集对所述卷积神经网络进行训练以初始化所述卷积神经网络的网络拓扑结构； S3：基于改进红狐优化算法对所述卷积神经网络进行寻优，以获取卷积神经网络的最优参数，并基于所述最优参数构建优化后的轴承诊断分类模型； 其中，最优参数包括卷积核、卷积核数量、批尺寸大小以及学习率； S4：再次获取待诊断轴承的振动信号并进行连续小波转换以生成时频图，并将该时频图作为优化后的轴承诊断分类模型的训练集，训练并测试后输出分类结果； 步骤S3中，基于改进红狐优化算法对所述卷积神经网络进行寻优，以获取卷积神经网络的最优参数，具体包括： S3.1：初始化红狐种群，将卷积神经网络模型分类结果和实际结果的交叉熵函数的准确率作为红狐算法的适应度函数； S3.2：选择适应度值最优的红狐个体位置，根据改进红狐优化算法模拟红狐觅食、狩猎、逃离猎人的生活习性，通过其寻觅猎物、反思学习、围攻猎物、精英反向策略、躲避猎人并发展种群五个阶段，迭代更新红狐个体位置，对迭代后的个体择优，直至达到最大迭代次数或者适应度满足预设的终止条件； S3.3：若不满足所述终止条件，淘汰红狐种群中最差的个体，并利用最优个体进行繁殖后代，不断重复步骤S3.2，直至迭代结束，获得最佳个体位置作为卷积神经网络分类模型的最优卷积核的大小、卷积核的数量、批尺寸的大小以及学习率。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193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”。

以上内容由龙图腾AI智能生成。