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！

龙图腾网获悉深圳市佳运通电子有限公司申请的专利基于振动信号融合多源信息的动设备智能监测与维护系统及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：CN119720052B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510220485.3，技术领域涉及：G06F18/2433；该发明授权基于振动信号融合多源信息的动设备智能监测与维护系统及方法是由刘永才;吴中华;李楠;王飞;乔常明;郭卫猛;吕宗才;曾祥茂;陈铖;刘辛酉设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于振动信号融合多源信息的动设备智能监测与维护系统及方法在说明书摘要公布了：本发明公开了基于振动信号融合多源信息的动设备智能监测与维护系统及方法，涉及动设备多维度监测技术领域，该方法包括以下步骤：S1、通过非侵入式信号采集方案，采集正常动设备以及故障动设备运行过程中的参数，包括振动信号、外磁场信号、温度信号以及声音信号；在采集的当前故障动设备振动、外磁场、声音和温度信号中提取关键特征，通过算法筛选与动设备不同故障状态关联度最高的特征指标，并构建特征向量；基于动设备不同故障状态下的特征向量，构建动设备故障判定模型，基于采集的当前动设备的运行参数特征。本发明通过同时采集和分析动设备振动、声音、温度和外磁场信号，有效提升了设备故障诊断的准确性，弥补了单一信号源的不足。

本发明授权基于振动信号融合多源信息的动设备智能监测与维护系统及方法在权利要求书中公布了：1.基于振动信号融合多源信息的动设备智能监测与维护方法，其特征在于，该方法包括以下步骤： S1、通过非侵入式信号采集方案，采集正常动设备以及故障动设备运行过程中的参数，包括振动信号、外磁场信号、温度信号以及声音信号； S2、在采集的当前故障动设备振动、外磁场、声音和温度信号中提取关键特征，通过算法筛选与动设备不同故障状态关联度最高的特征指标，并构建特征向量； S21、针对采集的正常状态下的动设备振动信号、外磁场信号、温度信号以及声音信号，分别提取振动信号、外磁场信号、温度信号以及声音信号的关键特征作为动设备基准状态参数特征； S22、针对采集的不同故障状态下的动设备振动信号、外磁场信号、温度信号以及声音信号，分别提取振动信号、外磁场信号、温度信号以及声音信号的关键特征，基于马氏距离结合动设备基准状态参数特征，筛选不同故障状态下的关联度特征指标，构建不同故障特征向量； S221、针对不同故障状态下的动设备振动信号、外磁场信号、温度信号以及声音信号进行n组采集，并基于故障类型进行分组，通过MySQL分别建立不同故障类型档案，对同一故障类型下动设备采集的n组参数进行均值处理，并将均值后的特征参数值记录在对应的故障类型档案中，构建故障状态特征向量： Fi＝[fAi,fBi,fCi,fDi]； 其中，Fi代表第i个故障类型档案下的故障状态特征向量，fAi、fBi、fCi、fDi分别代表第i个故障类型档案下均值处理后的振动信号、外磁场信号、温度信号和声音信号的关键特征； S222、基于马氏距离算法结合动设备基准状态参数特征，分别计算不同故障类型档案下动设备采集参数与基准状态参数特征的马氏距离，其算法公式为： 其中，C代表基准状态参数特征向量的协方差矩阵，DMF基准,Fi代表第i个故障类型档案下各个特征与基准状态参数特征的马氏距离； S223、基于马氏距离阈值Dθ，筛选与各个故障状态关联度高的特征指标，其具体的步骤为： 统计所有DMF基准,Fi＞Dθ的特征参数，这些特征即为不同故障状态下的关联度高特征指标，基于筛选出的关联度特征指标，构建不同故障状态下的关联特征向量： Fi’＝[fai,fbi,fci,fdi]； 其中，Fi’即为第i个故障类型档案下的关联特征向量，fai、fbi、fci、fdi分别代表第i个故障类型档案下与故障状态关联度高的振动、磁场、温度和声音特征； S3、基于动设备不同故障状态下的特征向量，构建动设备故障判定模型，基于采集的当前动设备的运行参数特征，结合动设备故障判定模型，对动设备运行过程中未发生的潜在故障进行多维度判定，并对已经发生的故障进行诊断。

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深圳市佳运通电子有限公司，其通讯地址为：518000 广东省深圳市福田区华富街道莲花一村社区皇岗路5001号深业上城(南区)T2栋4601；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”。