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！

龙图腾网获悉布柯玛蓄能器(天津)有限公司申请的专利一种隔膜式蓄能器气密性检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：CN120951028B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511090841.0，技术领域涉及：G06F18/2323；该发明授权一种隔膜式蓄能器气密性检测方法是由谢彦;杨丽霞;田宝;刘志军设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种隔膜式蓄能器气密性检测方法在说明书摘要公布了：本发明涉及气密性检测技术领域，更具体地说，涉及一种隔膜式蓄能器气密性检测方法，用于解决现有技术不能精准刻画设备运行特性，无法结合谱聚类识别典型缺陷模式，无法为设备故障趋势分析与智能维护提供定量依据的问题；本发明通过构建低维状态图谱刻画设备运行特性，结合谱聚类识别典型缺陷模式，建立非线性关联模型揭示缺陷演化关系，采用进化算法优化分类模型参数，提升识别准确性，基于转移概率矩阵挖掘最可能的缺陷演化路径，为设备故障趋势分析与智能维护提供定量依据。

本发明授权一种隔膜式蓄能器气密性检测方法在权利要求书中公布了：1.一种隔膜式蓄能器气密性检测方法，其特征在于，包括以下步骤： 步骤一：采集隔膜式蓄能器运行过程中的状态监测数据，状态监测数据包括气体压力数据、温度数据、振动数据、声发射信号及应变数据，对采集的状态监测数据进行预处理操作； 步骤二：对充气过程中的气体流量、气体压力及气路状态进行实时监测与闭环控制，根据检测需求自动切换气路路径； 步骤三：融合气体压力、温度、振动与声发射信号，采用声波传播反演、动态裂纹识别和多尺度分析方法，对蓄能器内部缺陷进行初步定位与演化趋势分析； 所述步骤三中融合气体压力、温度、振动与声发射信号并进行声波传播反演分析的过程包括： 获取预处理后的气体压力数据、温度数据、振动数据及声发射信号，对其进行特征提取，将提取的特征归一化处理并加权融合为一个综合特征向量F； 通过声波传播反演方法根据边界测得的声波信号推算材料内部的物性参数或结构信息； 在各向同性线弹性介质中，声波满足三维二阶波动方程； 当已知声源位置及介质参数时，采用有限差分法求解波动方程，获得理论波场ux,t； 反演的目标是通过最小化观测波场ugcxi,t与计算波场uxi,t；m的差异，优化介质参数mx； 引入伴随场λx,t，通过伴随状态方程计算目标函数对介质参数的梯度； 利用该梯度，采用L-BFGS算法迭代更新介质参数m，直至收敛； 所述步骤三中采用动态裂纹识别和多尺度分析方法的过程包括： 动态裂纹扩展引起材料刚度下降，表现为结构模态频率降低与阻尼比升高，结合局部能量密度变化可对裂纹位置进行识别； 采用希尔伯特-黄变换对响应信号进行处理，提取第n阶的瞬时频率fnt与阻尼比ζnt； 引入局部能量密度函数，裂纹扩展时能量集中程度升高，结合波动传播路径变化确定裂纹位置； 通过多尺度分析方法处理不同尺度下的结构特征，采用小波分解实现跨尺度特征提取； 定义微观变量，其中ε远小于1为小参数，场量u具有多尺度展开形式，将展开式代入控制方程并按ε展开分离变量，逐级求解； 采用小波基函数ψj,kx对信号进行多尺度分解； 所述步骤三中对蓄能器内部缺陷进行初步定位与演化趋势分析的过程包括： 蓄能器中的缺陷，可通过多源数据融合分析其时空演化特征； 利用反演重构蓄能器内部反射系数分布rx，对测得回波st，通过逆算求取rx分布图，确定缺陷位置； 定义缺陷参数Dt表示损伤因子，定义其演化符合指数增长模型； 当缺陷参数Dt达到或超过设定阈值Dsd时，判定缺陷进入危险状态，需采取修复或更换措施； 步骤四：基于状态监测数据构建高维图谱，刻画缺陷模式之间的非线性关联，结合进化算法优化模型参数，实现缺陷识别与演化路径分析； 所述步骤四中基于状态监测数据构建高维图谱的过程包括： 获取预处理后的状态监测数据，将其构成时序状态向量，对总观测时间长度T，构建状态数据矩阵； 采用固定窗口长度和滑动步长，依次提取连续时间段的状态信息，形成一系列轨迹片段，根据设定的窗口长度和滑动步长计算轨迹总数并生成轨迹集合； 使用扩散映射算法对高维轨迹进行降维处理，通过构造高斯核函数衡量轨迹之间的相似性，并归一化得到转移概率矩阵； 提取该矩阵的前若干个非平凡特征向量及其对应的特征值，用于构建低维嵌入空间中的节点表示，最终获得一组低维节点，这些节点构成了设备状态的图谱结构； 对每对低维节点，若其中一个节点是另一个节点的最近邻，则在这两个节点之间建立一条边，最终构建出一个加权图； 所述步骤四中刻画缺陷模式之间的非线性关联的过程包括： 对低维节点集使用谱聚类方法进行分类，将具有相似特性的节点划分为同一类别，每一类代表一种缺陷模式，对每一类计算其中心点，作为该类缺陷的代表性状态； 计算各类缺陷中心之间的欧氏距离平方，作为它们之间的差异度量，最终获得一个反映各缺陷模式之间相互关系的非线性关联矩阵； 设定阈值为所有缺陷对间相似度的前20%分位数，若两缺陷类别间的欧氏距离平方小于该阈值，则在对应节点之间建立有向边，由此构建缺陷之间的有向关联图，该图表示缺陷可能的演变路径； 所述步骤四中结合进化算法优化模型参数的过程包括： 设计一个输入输出模型，其输入为设备状态向量，输出为缺陷类别编号，模型参数为待优化变量； 定义一个综合评价函数，包含以下三项：分类准确率、损失函数值及参数范数，各项按设定权重组合成一个整体适应度指标； 进化搜索步骤如下： T1：初始化一批随机参数个体，计算每个个体的适应度值； T2：选择适应度最高的部分个体作为父代，进行交叉操作生成新个体，并加入微小变异扰动： T3：重复上述过程直至达到预设迭代次数或收敛条件； 最终输出最优模型参数； 所述步骤四中实现缺陷识别与演化路径分析的过程包括： 将设备运行过程中采集到的每一个状态向量输入已训练好的模型，输出对应的缺陷类别标签，生成完整的缺陷标签序列； 统计相邻时刻缺陷标签之间的转移频率，计算每种缺陷向另一种缺陷转变的频率比例，形成缺陷转移概率矩阵； 定义一个由多个缺陷类别组成的路径序列，路径的概率为其内部所有相邻缺陷转移概率的乘积； 在所有可能路径中，找出概率最大的那条路径，作为最有可能的缺陷演化路径。

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布柯玛蓄能器(天津)有限公司，其通讯地址为：300350 天津市津南区双桥河镇津南经济开发区中惠道2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。