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！

龙图腾网获悉江苏师范大学申请的专利一种基于SGMD和优化CNN模型的轴承故障诊断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：CN118730537B 。

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：202411044614.X，技术领域涉及：G01M13/045；该发明授权一种基于SGMD和优化CNN模型的轴承故障诊断方法是由曹建斌;徐国慧;刘文艺;李响;张淼淼设计研发完成，并于2024-07-30向国家知识产权局提交的专利申请。

本一种基于SGMD和优化CNN模型的轴承故障诊断方法在说明书摘要公布了：本发明公开了一种基于SGMD和优化CNN模型的轴承故障诊断方法。该方法根据轴承的振动信号特性，使用辛几何模态分解对轴承信号进行分解，得到一系列辛几何模态分量，基于皮尔逊相关系数指标选取辛几何模态分量并对其求模糊散布熵，将模糊散布熵作为特征向量构建振动信号的特征样本集。融合卷积神经网络与长短时记忆网络模型，构建CNN‑LSTM模型，利用训练样本集调整卷积核等参数得到训练后的模型。使用最小二乘法支持向量机替换训练后的CNN‑LSTM模型归一化指数函数层，基于电鳗觅食优算法优化最小二乘法支持向量机参数。最后将测试样本集输入到改进后的CNN‑LSTM模型中进行故障识别和分类。本发明方法在小样本噪声环境下轴承故障诊断中具有更高准确率。

本发明授权一种基于SGMD和优化CNN模型的轴承故障诊断方法在权利要求书中公布了：1.一种基于SGMD和优化CNN模型的轴承故障诊断方法，其特征在于，包含以下步骤： 1采集不同工况下的轴承故障诊断信号，并对其进行预处理； 2对不同工况下的振动信号进行辛几何模态分解SGMD，得到一系列辛几何模态分量SGC，基于皮尔逊相关系数指标选取合适的SGC，并求各SGC的模糊散布熵FDE，将FDE作为特征向量构建振动信号的特征样本集； 3融合卷积神经网络CNN和长短时记忆网络LSTM模型，构建CNN-LSTM模型，使用训练样本集训练CNN-LSTM模型，调整卷积层数、核大小、Epoch、学习率、LSTM层数和隐藏单元，得到训练后的CNN-LSTM模型； 4利用最小二乘法支持向量机LSSVM替换训练后CNN-LSTM模型中的归一化指数函数层Softmax； 5使用电鳗觅食优化算法EEFO对LSSVM进行参数优化； 6将测试样本集输入到改进后的CNN-LSTM模型中，获得故障诊断结果。

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江苏师范大学，其通讯地址为：221000 江苏省徐州市铜山新区上海路101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。