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！

龙图腾网恭喜杭州电子科技大学申请的专利基于正态云模型区间证据融合的电机轴系故障风险模式辨识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：CN114528664B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210172214.1，技术领域涉及：G06F30/17；该发明授权基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法是由郭豪豪;余善恩;徐晓滨;侯平智;李轶;冯静;马枫;徐晓健设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法在说明书摘要公布了：本发明公开了一种基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法。该方法基于对故障典型数据的分析，构建各种故障样板模式的云模型；根据在线监测电机轴系不同故障特征下的数据，构建故障待检模式云模型；将待检模式与各种故障样板模式的云模型进行匹配，获得该待检模式对不同故障样板模式的匹配度区间；对获取的匹配度区间进行归一化得到用于融合的区间证据；对区间证据进行融合，并依据一定的辨识准则，进行故障风险模式判定。本发明利用正态云模型描述客观对象模糊性和随机性的优势，通过构建待检模式以及故障样板模式的云模型以获得更为精准的区间证据，使得基于区间证据融合所获得的故障风险模式辨识结果更加符合实际情况。

本发明授权基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法在权利要求书中公布了：1.基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法，其特征在于该方法包括以下各步骤： 1设定轴系的转速为ρ转分钟，1000≤ρ≤2500，令轴系系统的故障风险模式组成的故障集合为Θ＝{X,Y,Z}，其中X表示电机轴系中的不平衡故障，Y表示电机轴系中的不对中故障，Z表示电机轴系中的基座松动故障； 2通过分别安装在轴系支撑座水平和垂直方向上的振动加速度传感器和振动位移传感器，按设定时间间隔，连续采集时域振动序列，通过傅里叶变换获取振动加速度1～3倍频下的幅值，以及时域振动位移平均幅值，将其作为故障特征； 设定轴系系统处于故障风险模式U,U∈{X,Y,Z}下，依次采集振动加速度1倍频、2倍频、3倍频的幅值以及时域振动位移平均幅值这4种故障特征的数据，记为FU,其中i＝1,2,3,4依次表示以上4种故障特征，N表示采集到的数据样本个数，50≤N≤500； 3设定故障风险模式U在第i种故障特征下的样板模式云模型为构成样板模式云模型的云滴记为其中g＝1,2,…G，G代表生成云滴的总数，1000≤G≤5000，构建4种故障特征下3种故障风险模式的样板模式云模型； 4在线获取一组待检样本数据，记为Fi,其中N1≤N，表示在线数据样本总数； 5用Fi代替步骤3中的故障风险模式U在故障特征i下的数据，然后重复步骤3的整个计算过程，得到在4种故障特征下的待检模式云模型：{C1,C2,C3,C4},Ci＝{di,1,...,di,g,...,di,G|di,g＝{ci,g,μci,g}}； 6在故障特征i下，计算样板模式云模型与待检模式云模型Ci的匹配度，进而获得待检模式云模型Ci支持3种故障风险模式发生的区间证据； 7将步骤6中得到的区间证据利用证据推理规则进行融合； 8根据步骤7得到H4次融合结果，并计算融合后所得θ的区间证据为 Μθ＝[aθ,bθ]1 根据式1-3则可以得到融合后的正态云模型区间证据，如下： 区间证据：ΜX，对应的融合结果：[aX,bX]； 区间证据：ΜY，对应的融合结果：[aY,bY]； 区间证据：ΜY，对应的融合结果：[aY,bY]； 区间证据：ΜΘ，对应的融合结果：[aY,bY]； 9根据区间证据给出故障风险模式辨识准则，亦即满足以下2个条件即可判定待检样本Fi指向的故障风险模式为θ,θ∈{X,Y,Z,Θ}： ①Mθ区间证据的左右端点分别大于其它故障风险模式对应区间证据的左右端点，θ≠Θ； ②ΜΘ的右端点小于0.3。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。