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！

龙图腾网获悉中国科学院国家天文台南京天文光学技术研究所申请的专利一种基于电机定子电流信号的齿轮箱故障智能诊断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：CN116089796B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310074861.3，技术领域涉及：G06F18/10；该发明授权一种基于电机定子电流信号的齿轮箱故障智能诊断方法是由杜福嘉;侯旭;邱继泽;钟鑫设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种基于电机定子电流信号的齿轮箱故障智能诊断方法在说明书摘要公布了：本发明公开了一种基于电机定子电流信号的齿轮箱故障智能诊断方法，包括步骤1、构建CNN模型样本库；步骤2、构建梳状滤波器；步骤3、搭建CNN模型，其输入为齿轮箱对应的电机定子电流信号；输出为齿轮箱故障类型；第一层卷积层的每个卷积核均为梳状滤波器；步骤4、训练CNN模型；步骤5、齿轮箱故障诊断。本发明利用电机定子电流信号对齿轮箱的健康状态进行识别，无需在齿轮箱上安装外置的传感器设备，减少诊断结果对于传感器布点的依赖性，也减少环境噪声对信号采集的影响。另外，本发明无需对采集到的电机定子电流信号进行消噪、剔除电流信号基频成分等预处理操作，能够进行端到端的故障诊断任务。

本发明授权一种基于电机定子电流信号的齿轮箱故障智能诊断方法在权利要求书中公布了：1.一种基于电机定子电流信号的齿轮箱故障智能诊断方法，其特征在于：包括如下步骤： 步骤1、构建CNN模型样本库，具体包括如下步骤： 步骤1-1、构建齿轮箱故障类型：旋转机械的齿轮箱包括相互啮合的输入齿轮和输出齿轮；设计a种不同故障类型的输入齿轮和b种不同故障类型的输出齿轮，通过将a种输入齿轮和b种输出齿轮，交叉组合，得到a*b种不同故障类型的齿轮箱故障；其中，a和b均为自然数； 步骤1-2、采集电机定子电流：将步骤1-1构建的每种故障类型的齿轮箱依次安装在包含电机的旋转机械中；旋转机械工作，并采用电流传感器按照设定频率采集电机的定子电流；得到每种故障类型齿轮箱的电机定子电流信号； 步骤1-3、构建CNN模型样本库：步骤1-2得到的每种故障类型齿轮箱电机定子电流信号构成为CNN模型的输入样本库；步骤1-1得到的a*b种齿轮箱故障类型，形成为CNN模型的输出样本库；输入样本库和输出样本库共同形成为CNN模型样本库； 步骤2、构建梳状滤波器，具体包括如下步骤： 步骤2-1、表征电流信号中的故障特征频率ffault，具体表达式为： ffault＝|fs±kffp| 当齿轮箱为一级齿轮箱时，其中： ffp＝fr，in或ffp＝fr，out 式中，fs为电机供电频率；ffp为故障齿轮转频； k为谐波次数，自然数； fr，in为输入齿轮转频；fr，out为输出齿轮转频； 步骤2-2、表征噪声频率：噪声频率包括fs和fs±c；其中，c为非齿轮箱故障引起的转矩波动频率； 步骤2-3、构建梳状滤波器：梳状滤波器的通带能使步骤2-1表征的故障特征频率ffault通过，梳状滤波器的阻带能使步骤2-2表征的噪声频率得到抑制； 步骤3、搭建CNN模型：CNN模型包括输入层、隐藏层和输出层；输入层为齿轮箱对应的电机定子电流信号；输出层为齿轮箱故障类型；隐藏层包括若干层卷积层；其中，第一层卷积层具有若干个卷积核；第一层卷积层的每个卷积核均为步骤2构建的梳状滤波器； 步骤4、训练CNN模型：采用步骤1构建的CNN模型样本库，对步骤3搭建的CNN模型样本库进行训练，得到具有故障诊断能力的CNN模型； 步骤5、齿轮箱故障诊断，具体包括如下步骤： 步骤5-1、获取实际电机定子电流信号：采用电流传感器按照设定频率采集待检测齿轮箱对应的电机定子电流；得到待检测齿轮箱的实际电机定子电流信号； 步骤5-2、齿轮箱故障诊断：将步骤5-1获取的实际电机定子电流信号作为输入，代入步骤4得到的具有故障诊断能力的CNN模型中，则输出为待检测齿轮箱的故障类型。

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中国科学院国家天文台南京天文光学技术研究所，其通讯地址为：210042 江苏省南京市板仓街188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”。