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！

龙图腾网获悉广东石油化工学院申请的专利一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预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：CN120995219B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511427549.3，技术领域涉及：G06F18/241；该发明授权一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法是由胡绍林;周连斌;陈金鹏;柯烨;曹鹏飞设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法在说明书摘要公布了：本发明涉及工业生产安全监控技术领域，特别是涉及一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，包括：获取目标滚动轴承的振动信号并构造为时间序列；对所述振动信号的时间序列进行变分模态分解，获取若干分量；将所述分量输入预构建的信号预测模型中，输出所述振动信号的预测结果，其中，所述信号预测模型基于改进的斑翠鸟优化算法优化双向门控循环单元构建，所述改进的斑翠鸟优化算法通过在斑翠鸟优化算法中引入Bloch单位球坐标量子比特编码机制、局部网格聚类选择策略、飞离捕食者策略以及改进的多差分柯西突变策略构建。本发明通过多策略优化增强模型泛化能力，显著提高滚动轴承振动信号预测精度与鲁棒性。

本发明授权一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法在权利要求书中公布了：1.一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，包括： 获取目标滚动轴承的振动信号并构造为时间序列； 对所述振动信号的时间序列进行变分模态分解，获取若干分量； 将所述分量输入预构建的信号预测模型中，输出所述振动信号的预测结果，其中，所述信号预测模型基于改进的斑翠鸟优化算法优化双向门控循环单元构建，所述改进的斑翠鸟优化算法通过在斑翠鸟优化算法中引入Bloch单位球坐标量子比特编码机制、局部网格聚类选择策略、飞离捕食者策略以及改进的多差分柯西突变策略构建； 通过在斑翠鸟优化算法中引入Bloch单位球坐标量子比特编码机制、局部网格聚类选择策略、飞离捕食者策略以及改进的多差分柯西突变策略构建所述改进的斑翠鸟优化算法包括： S3.1、通过引入Bloch单位球坐标量子比特编码机制与局部网格聚类选择策略，获取初始种群，进入S3.2； S3.2、进行斑翠鸟探索阶段与开发阶段，完成后进入S3.3，其中，所述探索阶段模拟斑翠鸟自然盘旋与栖息行为，所述开发阶段模拟斑翠鸟对猎物发起俯冲攻击行为； S3.3、进行斑翠鸟局部逃逸阶段，完成后进入S3.4，其中，所述局部逃逸阶段模拟斑翠鸟与水獭的临时共栖行为，并融合飞离捕食者策略； S3.4、引入改进多差分柯西突变策略，其中，所述改进多差分柯西突变策略包括多差分突变结构、线性递减突变概率、柯西因子、自适应控制因子以及边界反弹机制； 通过引入Bloch单位球坐标量子比特编码机制与局部网格聚类选择策略，获取初始种群包括： 定义量子比特的状态，并映射为三维Bloch单位球坐标； 设种群内第个个体为，优化问题的维数为，对个体的每个维度分别生成Bloch单 位球坐标； 将所述Bloch单位球坐标拆解为三个方向的坐标分量，获取在三个方向的候选个体； 将位于Bloch单位球坐标区间内的候选个体映射至优化问题的变量范围内，并将三个方向完成映射的候选个体合并为扩展后的候选个体集合，计算集合内所有候选个体的适应度值； 在搜索空间维度中选取两个维度、等距划分网格单元，并结合候选个体适应度值 在每个网格内筛选个体，获取每个网格的候选个体集合； 将所有网格内筛选的候选个体集合合并，并根据预设种群规模进行控制，若个体数量 不足，则从未选中候选个体集合中随机补充至目标规模；若个体数量超出，则按适应度值升 序保留前个最优个体； 引入所述改进多差分柯西突变策略包括： 通过引入柯西因子、自适应控制因子以及多差分突变结构，生成新的斑翠鸟个体，若新的斑翠鸟个体超出变量边界，则采用边界反弹机制修正位置，并根据新的斑翠鸟个体适应度值判断个体更新，获取最终保留个体位置，其中，生成所述新的斑翠鸟个体的位置更新方法为： ； ； ； ； 其中，与分别表示改进多差分柯西突变策略中第个个体当前位置与 更新后位置，表示改进多差分柯西突变策略中当前适应度值最优个体的位置，、、表示改进多差分柯西突变策略中随机选取的第、、个个体的位 置，不等于不等于不等于，为柯西因子，为自适应控制因子，为[0,1]区间内均 匀分布的随机数，表示区间随机值，和相互独立，t为时间步，为 最大迭代数，为随迭代递减的变异概率。

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广东石油化工学院，其通讯地址为：525000 广东省茂名市茂南区官渡二路139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。