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！

龙图腾网获悉重庆大学申请的专利数据极端不平衡下滑动轴承故障诊断方法及系统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：CN119198095B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411390889.9，技术领域涉及：G01M13/045；该发明授权数据极端不平衡下滑动轴承故障诊断方法及系统是由余文念;罗权毅;林正宇;张路;胡家耀设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本数据极端不平衡下滑动轴承故障诊断方法及系统在说明书摘要公布了：本发明属于滑动轴承技术领域，具体公开了一种数据极端不平衡下滑动轴承故障诊断方法及系统，该方法采集滑动轴承不同状态时不同位置处的振动加速度和声发射信号，提取数据特征向量的初步特征并拼接得到融合特征，构建多源异构数据融合故障诊断模型并拆分，基于CWGAN‑GP构建多源异构数据融合特征生成模型并训练，CWGAN‑GP模型生成器与判别器对抗调整，将生成器每次生成的特征输入故障诊断模型的故障诊断分类部分中计算分类器损失，并反馈给生成器网络调整其参数，直至生成接近真实的特征，输出轴承故障诊断结果。采用本技术方案，充分利用数据信息的情况下生成更具价值密度的特征数据补充不平衡样本，实现滑动轴承数据极端不平衡下的故障诊断。

本发明授权数据极端不平衡下滑动轴承故障诊断方法及系统在权利要求书中公布了：1.一种数据极端不平衡下滑动轴承故障诊断方法，其特征在于，包括如下步骤： S1，采集滑动轴承不同状态时不同位置处的振动加速度和声发射信号； S2，将振动加速度信号进行数据预处理，提取其频谱特征构成振动加速度特征向量； 对声发射信号进行数据预处理，计算其能量特征和频谱特征，得到声发射数据特征向量； 制作振动加速度与声发射信号的数据特征向量的数据标签，并将数据标签与对应数据特征向量进行匹配； S3，基于卷积神经网络和注意力加权机制，提取振动加速度特征向量和声发射数据特征向量的初步特征并拼接得到融合特征； 将融合特征作为输入，构建基于自适应焦点损失函数的多源异构数据融合故障诊断模型； 根据自适应焦点损失结果循环迭代调整分类器权重直至最终输出轴承状态分类结果，将训练后的多源异构数据融合故障诊断模型拆分为特征提取融合部分和分类器部分，分别冻结记录两部分的模型参数和权重； S4，基于CWGAN-GP，构建多源异构数据融合特征生成模型，即CWGAN-GP模型，将步骤S3得到的融合特征作为真实特征训练CWGAN-GP模型； 在CWGAN-GP模型的生成器与判别器对抗调整的同时，将生成器每次生成的特征输入冻结参数权重的多源异构数据融合故障诊断模型的故障诊断分类部分中计算分类器损失，并将其反馈给生成器调整其参数，直至生成接近真实的特征，输出轴承故障诊断结果； 步骤S3中基于卷积神经网络和注意力加权机制，提取振动加速度特征向量和声发射数据特征向量的初步特征并拼接得到融合特征，具体方法为： S301，针对每个振动加速度信号构建卷积块，每个卷积块由一维卷积层、批量归一化层、激活层以及最大池化层组成，多个通道的振动加速度特征向量经过卷积块初步特征提取后求和实现同质信息融合； S302，融合后的特征经过BN层、GELU层以及最大池化层后，分别输入一维卷积层和一个卷积块中，通过将一维卷积层对特征的投影和卷积块的输出进行相加实现残差连接； 求和后的结果经过激活层再次分别输入卷积块和一维卷积层并再次残差连接； 将求和得到的多个通道特征图进行求和获取最终振动数据融合特征； S303，声发射数据特征向量分别经过一个卷积块和一个一维卷积层后求和实现残差连接，求和结果经过GELU激活层再次分别输入到卷积块和一维卷积层中进行残差连接，之后通过GELU激活层得到声发射初步提取特征； S304，基于挤压和激励网络，构建注意力加权网络，声发射初步提取特征输入卷积块后的输出特征图有n条通道，对特征图进行全局平均池化，并提取通道平均值作为其描述符实现数据挤压； 将通道描述符构成的均值向量输入注意力加权网络激活，注意力加权网络隐藏层只有一个神经元，激活函数设为修正线性单元； 输出层有n个神经元，通过Sigmoid函数获得每个通道权重，输出各通道权重向量； S305，经过自适应注意力加权得到的各通道权重向量与对应的卷积块输出的原始特征图通道相乘进行通道维度的加权，并将加权前后的特征图进行求和实现残差连接； 通过一维卷积层和展平层对特征图进行降维，减少模型参数量提升训练速度并将声发射特征与振动数据特征维度统一； S306，将振动加速度数据特征与声发射数据特征向量拼接，得到最终的融合特征。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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。