Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 西南交通大学;中车长春轨道客车股份有限公司都青华获国家专利权

西南交通大学;中车长春轨道客车股份有限公司都青华获国家专利权

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!

龙图腾网获悉西南交通大学;中车长春轨道客车股份有限公司申请的专利一种轨道列车转向架齿轮箱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:CN119782750B

龙图腾网通过国家知识产权局官网在2025-12-09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:202510016028.2,技术领域涉及:G06F18/20;该发明授权一种轨道列车转向架齿轮箱轴承故障诊断方法是由都青华;王炳文;张楷;郑庆;丁国富;丁昆;张浩宇设计研发完成,并于2025-01-06向国家知识产权局提交的专利申请。

一种轨道列车转向架齿轮箱轴承故障诊断方法在说明书摘要公布了:本发明公开了一种高速列车转向架齿轮箱轴承故障诊断方法,通过采集列车转向架齿轮箱中轴承不同健康状态下的振动加速度信号,预处理为训练样本集和测试样本集,构建噪声标签鲁棒性的故障诊断分类模型,采用自步学习策略训练分类器模型,将测试样本集输入训练后的分类模型中,得到列车转向架齿轮箱轴承故障诊断结果。本发明通过提出的自适应课程样本挑选策略,将置信样本挑选的阈值与网络的发展联系起来,且抵抗损失函数的引入,可以有效抵抗模型在噪声标签容易产生的过拟合问题。本发明方法能够提高带有噪声标签的数据集的诊断准确性,在高噪声标签率情况下,提高了高速列车转向架齿轮箱轴承故障诊断精度。

本发明授权一种轨道列车转向架齿轮箱轴承故障诊断方法在权利要求书中公布了:1.一种轨道列车转向架齿轮箱轴承故障诊断方法,其特征在于,包括以下步骤: S1:采集列车转向架齿轮箱中轴承不同健康状态下的振动加速度信号,并通过滑动窗口sw截取样本x,按轴承对应运行状态对样本进行标签标记,预处理为添加有均匀噪声标签y的训练样本集DO_train,和测试样本集DO_test; S2:对DO_train、DO_test利用离散小波包将时域信号转换为时频信号,并得到由二维时频图像构成的训练样本集Dtrain、测试样本集Dtest; S3:构建噪声标签鲁棒性的故障诊断分类模型C,包括设置各网络层超参数,定义损失函数Ltotal; S4:随机初始化网络参数,将步骤S2中的训练样本集Dtrain按批量大小输入诊断模型C中,得到模型C的预测标签并采用自步学习策略,当模型训练轮次t≤T1,训练集Dtrain参与计算噪声标签y和预测标签之间的交叉熵损失LCE,反向传播计算各网络层梯度,并由优化器更新网络C参数; S5:计算每轮训练中训练样本集Dtrain各个类别的样本在模型softmax层所给出的分类诊断概率值P,以及每个类别样本在当前阶段模型中所给出的平均概率值μ和标准差σ,并设置阈值λ,当各个类别样本在当前模型给出的分类诊断概率值P大于上述阈值λ时,将其定义为置信样本,纳入课程信息中; S6:当模型训练轮次t>T1,计算由置信样本组成的课程样本在当前模型中的交叉熵损失LCE,和所有样本在当前模型中的抵抗损失函数LResist,LResist计算公式如下所示: 式中,B表示模型训练过程中每个批次样本数,ptxij表示在第t轮训练中样本xi属于第j类的标签预测概率值,pt‑1xij表示在第t‑1轮训练中样本xi属于第j类的标签预测概率值,xi为第i个样本; S7:将LCE与LResist加权求和计算得到Ltotal,反向传播计算各网络层梯度,并用优化器更新网络C参数; S8:重复步骤S5至步骤S7,当训练达到预设轮数N时,保存分类模型C; S9:加载所述分类模型C,输入测试样本集Dtest,得到列车转向架齿轮箱轴承故障诊断结果。

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西南交通大学;中车长春轨道客车股份有限公司,其通讯地址为:610000 四川省成都市二环路北一段;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。

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。