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！

龙图腾网获悉盐城工学院申请的专利一种基于多粒度扫描和catboost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：CN115717992B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211447004.5，技术领域涉及：G01M13/045；该发明授权一种基于多粒度扫描和catboost模型的轴承故障诊断方法是由邵星;袁建华;王翠香;皋军设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种基于多粒度扫描和catboost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多粒度扫描和catboost模型的轴承故障诊断方法，包括以下步骤：针对轴承振动信号进行预处理，将振动信号归一化，存储成二维的灰度图片；更改深度森林的结构，将深度森林中的级联森林去除，保留多粒度扫描部分；利用多粒度扫描提取灰度图片中的特征；使用catboost代替深度森林中的级联森林部分，构建多粒度扫描加catboost故障诊断模型，将上层使用的多粒度扫描提取到的特征输入，使用catboost模型来做故障诊断；使用训练集训练catboost模型；确定验证指标；使用测试集来测试模型的准确率；本发明获得比卷积神经网络和深度森林更高的准确率，并提高运算效率；减少了对广泛超参数的调优需求，降低了过度拟合的风险，使模型具有更强的鲁棒性和泛化性。

本发明授权一种基于多粒度扫描和catboost模型的轴承故障诊断方法在权利要求书中公布了：1.一种基于多粒度扫描和catboost模型的轴承故障诊断方法，其特征在于：包括以下步骤： 步骤a，针对轴承振动信号进行预处理，将轴承振动信号归一化，存储成轴承振动信号的二维的灰度图片； 步骤b，更改深度森林的结构，将深度森林中的级联森林去除，保留多粒度扫描结构部分； 步骤c，利用多粒度扫描结构对轴承振动信号的二维灰度图片和轴承振动信号中的特征进行提取得到特征向量，将提取出的特征向量进行拼接并输出，具体包括如下步骤： 步骤c1，多粒度扫描结构首先采用滑动窗口对输入的原始特征数据进行分割，得到Q个特征向量，公式为： Q＝J－Kλ+1， 其中，K为滑动窗口的长宽； J为原始特征数据的维度； λ指的是设定的滑动步长； 步骤c2，将得到的特征向量输入到随机森林与完全随机森林中，两种森林分别得到Q个x维类向量，拼接后得到2·Q·x维向量输出； 步骤c3，将步骤c2中所述两种森林得到的类向量拼接作为多粒度扫描的输出，提取灰度图片中的特征，将对一维原始振动信号提取的特征向量和对二维灰度图片提取的特征向量拼接后得到4·Q·x维向量，并将其输出； 步骤d，使用catboost结构代替深度森林中的级联森林部分，构建多粒度扫描加catboost故障诊断模型，将步骤c中使用的多粒度扫描提取到的特征输入，使用catboost结构来做故障诊断； 步骤e，使用训练集训练catboost结构，构建4个catboost结构作为一个Cascatboost级联层，每个Cascatboost级联层在获得预测结果的同时得到一个决定系数R2，直到4个决定系数的均值不再提升时，Cascatboost级联层停止扩展，输出4个预测结果的均值作为最终预测结果，其中： 在Cascatboost级联层中，使用决定系数R2作为判断级联是否继续扩展的指标，决定系数R2的计算公式为： 式中：yi为真实值； 为yi总和的平均值； 为预测值； n为数据点的总数； 决定系数R2的取值越接近1，表明自变量对因变量的解释能力越强，证明模型对数据的拟合程度较好；当Cascatboost级联层扩展一个新的Cascatboost级联层i时，判断是否大于0，若大于0，则Cascatboost级联层继续扩展； 步骤f，确定验证指标； 步骤g，使用测试集来测试模型的准确率，得出轴承故障判断的结果。

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盐城工学院，其通讯地址为：224000 江苏省盐城市亭湖区希望大道中路1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。