Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 太原理工大学耿蒲龙获国家专利权

太原理工大学耿蒲龙获国家专利权

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!

龙图腾网获悉太原理工大学申请的专利液压泵泄漏故障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:CN115822943B

龙图腾网通过国家知识产权局官网在2025-08-26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:202211448018.9,技术领域涉及:F04B51/00;该发明授权液压泵泄漏故障诊断方法是由耿蒲龙;刘顺烈;张孟辉;雷志鹏;宋建成;栗林波;李雁龙设计研发完成,并于2022-11-18向国家知识产权局提交的专利申请。

液压泵泄漏故障诊断方法在说明书摘要公布了:本发明涉及一种液压泵泄漏故障诊断方法,将采集到的液压泵出口压力和流量信号提取压力和流量信号的时域、频域特征,再通过HHT变换提取时频域联合特征,并进行组合形成特征向量,并设置对应故障类别标签;然后使用带有监督式学习的线性判别分析算法LDA对特征数据集进行降维处理;最后使用麻雀搜索算法SSA对支持向量机分类模型的惩罚参数c和核函数参数g进行优化,得到核函数参数g最优值和惩罚参数c最优的SVM智能诊断模型,基于该模型和测试集得出液压泵泄漏故障类别。本发明能够实现对于液压泵的泄漏故障实现更为准确迅速地识别,有利于保障液压泵的平稳安全运行。

本发明授权液压泵泄漏故障诊断方法在权利要求书中公布了:1.一种液压泵泄漏故障诊断方法,其特征在于,包括: 步骤一:采集液压泵的压力和流量信号,并对压力和流量信号进行时域和频域的特征提取,得到时域特征和频域特征; 步骤二:对压力和流量信号进行经验模态分解,对分解得到的本征模态函数IMF1、IMF2、IMF3计算其方差贡献率,获得时频域联合特征; 步骤三:对本征模态函数IMF1进行希尔伯特-黄变换,得到本征模态函数IMF1的瞬时频率和瞬时幅值向量,求出瞬时幅值和瞬时频率向量的最大值,得到时频域联合特征; 所述的希尔伯特-黄变换包含两个部分,即经验模态分解和希尔伯特变换;其中,经验模态分解将采集的液压泵压力与流量信号分解为一系列的本征模态函数IMF; 式中:n为本征模态的数量;cit是第i个本征模态函数;rnt为残差函数; 对分解得到的IMF1、IMF2、IMF3计算其方差贡献率: 式中:Di为第i阶IMF分量的方差,Δt为信号数据采集时间间隔,对于压力信号是0.01秒,对于流量信号是0.1秒; 将通过经验模态分解之后得到的第一个本征模态函数c1t进行希尔伯特变换,得到其瞬时幅值以及瞬时频率,对于任意的本征模态函数cit,希尔伯特变换定义如下: 解析信号zt如下: zt=ct+jyt=atejθt5 其中at为c1t的瞬时幅值,θt为c1t的瞬时相位: c1t的瞬时频率为: 步骤四:将步骤一、步骤二和步骤三中得到的时域特征、频域特征、时频域联合特征组合形成第一数据集并设置对应故障类别标签; 步骤五:使用线性判别分析算法对第一数据集进行降维,得到第二数据集,划分50%测试集与50%训练集; 步骤六:使用训练集和麻雀搜索算法对支持向量机故障诊断模型的惩罚参数c和核函数参数g进行优化,构建最佳参数的SVM诊断模型,基于SVM诊断模型和测试集得出液压泵泄漏故障类别。

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太原理工大学,其通讯地址为:030024 山西省太原市迎泽西大街79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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。