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！

龙图腾网获悉山东大学申请的专利一种基于高精度确定学习的旋转机械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：CN116756567B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202310645557.X，技术领域涉及：G06F18/214；该发明授权一种基于高精度确定学习的旋转机械故障诊断方法及系统是由吴伟明;郭俊男;王聪设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于高精度确定学习的旋转机械故障诊断方法及系统在说明书摘要公布了：本发明公开了一种基于高精度确定学习的旋转机械故障诊断方法及系统，涉及旋转机械故障诊断技术领域。该方法包括步骤：获取旋转机械的振动信号数据，对振动信号数据进行预处理；利用采样确定学习理论进行神经网络预训练，得到振动信号数据内在动力学模式的权重值；采用龙格库塔近似模型重构采样确定学习理论，利用融合龙格库塔方法的采样确定学习理论对预训练后的神经网络模型进行再次训练，得到待诊断的振动信号动力学模式；将待诊断的振动信号动力学模式通过动态估计器与预设模式库中的动力学模式比较，得到故障诊断结果。本发明为旋转机械故障诊断提供了一种高效、高精度、可靠的方法，提高了诊断分析的准确度。

本发明授权一种基于高精度确定学习的旋转机械故障诊断方法及系统在权利要求书中公布了：1.一种基于高精度确定学习的旋转机械故障诊断方法，其特征在于，包括以下步骤： 获取旋转机械的振动信号数据，对振动信号数据进行预处理； 利用融合龙格库塔方法的采样确定学习理论对预处理后的振动信号数据进行振动信号动力学信息提取，得到待诊断的振动信号动力学模式；其中，振动信号动力学信息提取过程为：利用采样确定学习理论进行神经网络预训练，对预处理后的振动信号数据进行系统动力学辨识，得到振动信号数据内在动力学模式的常值径向基函数神经网络表达； 采用龙格库塔近似模型重构采样确定学习理论，利用融合龙格库塔方法的采样确定学习理论对预训练后的神经网络模型进行再次训练，具体步骤为： 采用龙格库塔近似模型表达振动信号，公式为： ； 其中，表示第k时刻的状态，T表示采样时间，，，，； 重新构造龙格库塔方法结构的神经网络辨识器，公式为： 其中，表示动态神经网络辨识器的状态，表示待设计的辨识器增益，表示用于学习系统动态的RBF神经网络，表示RBF神经网络待估计的权值，表示回归向量，其维度m为RBF神经网络的神经元节点数； 以预训练得到的振动信号数据内在动力学模式的权重值作为初始权重再次训练神经网络； 对再次训练后的神经网络的权重进行处理，得到待诊断的振动信号动力学模式； 将待诊断的振动信号动力学模式通过动态估计器与预设模式库中的动力学模式比较，得到故障诊断结果。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。