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！

龙图腾网获悉卡松科技股份有限公司申请的专利一种基于机器学习的实时润滑油状态监测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：CN120763750B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510912334.4，技术领域涉及：G06F18/2415；该发明授权一种基于机器学习的实时润滑油状态监测方法是由叶新功;赵之玉;张国冉;邵学赞;杜江南;王群英;薛孝晗;李永刚;胡卫争;穆帅丽;韦欣悦设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于机器学习的实时润滑油状态监测方法在说明书摘要公布了：本发明公开了一种基于机器学习的实时润滑油状态监测方法，具体涉及状态监测技术领域，包括在润滑油系统进入平稳工作状态后，通过采集油箱中的静态特征作为输入，将油箱故障等级概率分布作为模糊贝叶斯神经网络模型的输出，构建模糊贝叶斯神经网络模型，根据监测区间内模糊贝叶斯神经网络模型的输出，将监测区间内的不同故障等级的概率值综合分析，确定油箱中润滑油的状态，基于管道中的润滑油的动态特征，采集管道预设位置处的物理信息和风险信息，确定管道中润滑油的状态，基于量化油箱和管道中润滑油的状态，根据训练的神经网络模型，实现对润滑油状态的预警功能，发明有助于润滑油状态监测的全面性和准确性。

本发明授权一种基于机器学习的实时润滑油状态监测方法在权利要求书中公布了：1.一种基于机器学习的实时润滑油状态监测方法，其特征在于，包括以下步骤： S1：在润滑油系统进入平稳工作状态后，通过采集油箱中的静态特征作为输入，将油箱故障等级概率分布作为模糊贝叶斯神经网络模型的输出，构建模糊贝叶斯神经网络模型，其中，油箱中的静态特征包括粘度健康指数、温度指数以及不同粒径的颗粒浓度； S2：根据监测区间内模糊贝叶斯神经网络模型的输出，将监测区间内的不同故障等级的概率值综合分析，确定油箱中润滑油的状态； S3：基于管道中的润滑油的动态特征，采集管道预设位置处的物理信息和风险信息，并将不同管道预设位置处的物理信息和风险信息进行综合性分析，确定管道中润滑油的状态； S4：基于量化油箱和管道中润滑油的状态，根据训练的神经网络模型，将油箱和管道中润滑油的状态进行分析，实现对润滑油状态的预警功能； 其中，不同管道预设位置处的物理信息，包括： 将不同管道预设位置处的物理信息通过压差偏离幅值系数和机械声谱度量系数表示； 所述压差偏离幅值系数的获取逻辑为：采集管道中预设位置处监测区间内的压差数据时间序列，通过对压差数据时间序列进行平稳划处理，即对序列多次差分直至通过单位根检验认为平稳，通过最小二乘方法估计ARIMA中的自回归阶数和滑动平均阶数，并通过模型验证得到固定结构和参数的ARIMA模型； 利用预设位置处的ARIMA模型，将监测区间内获取的压差数据时间序列带入至ARIMA模型，得到压差预测值，通过比较模型预测值与实际观测值，计算压差偏离幅值系数； 压差偏离幅值系数的计算公式为：；其中，为压差偏离幅值系数，q=1、2、3、……、Q，Q为正整数，q为监测区间内不同时间点采样压差数据的编号，为监测区间内实际的压差数据时间序列，为ARIMA模型在时间点q的预测压差值； 所述机械声谱度量系数的获取逻辑为： 采集管道中预设位置处监测区间内的声学信号，将预设位置处的声学信号经过傅里叶变换得到频谱Sf，，其中，f为频率，为管道中预设位置处的声学信号； 通过划分低频段阈值和高频段阈值，计算机械声谱度量系数，计算公式为：；其中，为机械声谱度量系数，，为低频段阈值，为高频段阈值，为结构固有频率，为油中杂质或磨屑撞击管壁以及润滑油摩擦产生的异常频段。

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卡松科技股份有限公司，其通讯地址为：272000 山东省济宁市任城区运河经济开发区新材料产业园辰光路与长兴路交界处；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。