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！

龙图腾网获悉西安理工大学申请的专利基于图像信息回归分析的旋转机械健康状态评估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：CN116244570B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211742145.X，技术领域涉及：G06F18/10；该发明授权基于图像信息回归分析的旋转机械健康状态评估方法是由徐卓飞;黄朝霞;侯和平;奚佳辰;赵庆海设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于图像信息回归分析的旋转机械健康状态评估方法在说明书摘要公布了：本发明公开了一种基于图像信息回归分析的旋转机械健康状态评估方法，包括采集待评估旋转机械核心零部件的振动信号，对振动信号构成的时间序列进行信息融合获得合成信号，采取连续小波变换对合成信号进行分析得到时频图像，对时频图像进行预处理，获得压缩后的灰度时频图像，采取本征正交分解对灰度时频图像从空间域角度进行解析获取一阶图像，根据旋转机械运行时间进行一阶图像的健康因子标定，利用卷积神经网络建立一阶图像分量与健康因子之间的对应模型，实现对未知状态待评估旋转机械核心零部件健康状态的评估。采用本发明能够准确获取各类旋转机械核心零部件的健康状态，提高各类旋转机械核心零部件智能运维水平。

本发明授权基于图像信息回归分析的旋转机械健康状态评估方法在权利要求书中公布了：1.基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，包括以下步骤： 步骤1，采集待评估旋转机械核心零部件的振动信号，包括通过加速度传感器采集待评估旋转机械核心零部件的全寿命周期振动信号，采集振动信号包含相互垂直的两个方向，采取多通道同步采集，相应振动幅值信号分别记为和； 步骤2，对振动信号构成的时间序列进行信息融合，获得合成信号； 步骤3，采取连续小波变换对合成信号进行分析，得到时频图像； 所述步骤3中，先设是一个在局部区域内有定义，超出这个区域则趋于零的函数，并且函数的均值为零，称为母小波，函数表达式为： 其中表示中心频率，i表示复三角函数中的复数标识符，t表示时间； 记待分析合成信号属于空间，则合成信号的连续小波变换为： 其中， p为尺度，p1则信号波形收缩，p1则信号波形伸展，q为位移，为合成信号，，是对根据复频域内积定义取其复共轭，是由母小波进行尺度伸缩和时间平移得到一系列小波基函数，如下式所示： 变换结果表示母小波选一个基础中心频率，然后通过尺度变换得到一系列不同中心频率，再通过时移得到一系列不同区间的基函数，然后分别和原始信号的某一区间乘积再积分，产生的极值对应的频率就是原始信号这一区间含有的频率，变换后即得到待分析信号时间和频率的关系，将其绘制为图像，即为连续小波变换的时频图像； 步骤4，对时频图像进行预处理，获得压缩后的灰度时频图像； 步骤5，采取本征正交分解对压缩后的灰度时频图像从空间域角度进行解析获取一阶图像； 步骤6，根据旋转机械运行时间进行一阶图像的健康因子标定； 所述步骤6具体包括将旋转机械核心零部件损坏、失效时对应一阶图像的健康因子标定为0，将旋转机械核心零部件全新时对应一阶图像的健康因子标定为1，将其与对应不同运行时刻的点以线性关系进行标定，按照下式进行： 式中，当旋转机械核心零部件损坏时被检测设备使用时间为，对应健康因子=0；当旋转机械核心零部件全新时使用时间为，对应健康因子=1；其余状态对应的健康因子为； 步骤7，利用卷积神经网络建立一阶图像分量与健康因子之间的对应模型，实现对未知状态待评估旋转机械核心零部件健康状态的评估； 所述步骤7具体包括以下步骤： 步骤7.1，搭建卷积神经网络模型，提取旋转机械核心零部件振动信号时频图的健康因子； 步骤7.2，对得到的健康因子性能进行评估，评估准则为单调性和趋势性，得到健康因子的性能指标，或健康因子性能指标低，若性能指标低，对卷积神经网络的参数进行微调，不断迭代优化，提高健康因子性能指标； 步骤7.2中，计算健康因子单调性的公式为： 式中，K表示序列中所有健康因子数目；表示健康因子序列的微分值； 和分别表示正微分值与负微分值，健康因子的单调性数值位于区间[0,1]，其值越趋近于1，表示该健康因子的单调性越好； 步骤7.2中，计算健康因子趋势性的公式为： 式中,是全寿命周期内健康因子的均值；T表示运行周期，是全寿命周期内每个时间周期的均值，健康因子的趋势性数值位于区间[0,1]，其值越趋近于1，表示该健康因子的趋势性越好； 步骤7.3，根据采集的旋转机械核心零部件不同健康阶段的数据进行标定，得到健康因子曲线上的健康阶段划分； 步骤7.4，采集未知状态待评估旋转机械核心零部件两个方向的振动信号进行融合，并变换为时频图像，进而解析获取一阶图像，将一阶图像输入建立的卷积神经网络模型中，获取健康因子，进而评估出未知状态待评估旋转机械核心零部件的健康状态。

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安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。