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！

龙图腾网获悉兰州交通大学申请的专利一种基于声纹特征提取及迁移学习的电机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：CN119667476B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510193973.X，技术领域涉及：G01R31/34；该发明授权一种基于声纹特征提取及迁移学习的电机故障诊断方法是由杨建辉;张垚;蒲脯林设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种基于声纹特征提取及迁移学习的电机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声纹特征提取及迁移学习的电机故障诊断方法，属于设备故障诊断技术领域，包括以下步骤：S1、获取电机工作状态的声信号，通过经验模态分解和梅尔倒谱系数方法提取声纹特征；S2、根据提取的声纹特征构建声纹特征数据集；S3、将声纹特征数据集输入CNN+ResNet网络，得到电机故障诊断结果。本发明能够克服传统接触式方法的局限性，降低维护成本，还能够在电机故障的早期阶段提供更为精确的诊断信息，提高电机设备的运行安全性和可靠性。通过声纹特征提取技术，结合深度学习模型进行数据分析和故障分类，将为电机故障诊断开辟新的方向，具有重要的研究价值和应用前景。

本发明授权一种基于声纹特征提取及迁移学习的电机故障诊断方法在权利要求书中公布了：1.一种基于声纹特征提取及迁移学习的电机故障诊断方法，其特征在于，包括以下步骤： S1、获取电机工作状态的声信号，通过经验模态分解和梅尔倒谱系数方法提取声纹特征； S2、根据提取的声纹特征构建声纹特征数据集；具体包括：根据声纹特征构造三通道数据集，作为声纹特征数据集； S3、将声纹特征数据集输入CNN+ResNet网络，得到电机故障诊断结果； 所述S3包括以下分步骤： S31、将声纹特征数据集输入CNN模型，进行一阶段特征提取，得到各通道声纹特征的时频特征信息； S32、将时频特征信息和声纹特征数据集输入预训练的ResNet网络，进行二阶段特征提取，得到电机故障特征； 具体包括：将时频特征信息输入预训练的ResNet网络进行训练，根据训练结果和声纹特征数据集与图像领域的任务相似性，将ResNet前端参数进行冻结，使用声纹特征数据集对末端参数微调，使其适应电机故障诊断的特征场景，输出电机故障特征； S33、根据电机故障特征进行特征映射，得到电机故障诊断结果； 所述S1包括以下分步骤： S11、将声信号进行经验模态分解，得到若干本征模分量，选取能量贡献度最高的3个本征模分量作为声信号的主要分量； S12、计算每个本征模分量的梅尔倒谱系数，得到本征模分量在梅尔频带上的倒谱特征，结合主要分量的梅尔倒谱系数生成声纹特征，声纹特征包括多尺度和多时频特征信息。

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兰州交通大学，其通讯地址为：730070 甘肃省兰州市安宁区安宁西路118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。