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！

龙图腾网获悉西北工业大学申请的专利基于多传感器数据融合的电机故障诊断方法、系统及介质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：CN119598384B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411478178.7，技术领域涉及：G06F18/25；该发明授权基于多传感器数据融合的电机故障诊断方法、系统及介质是由何军红;董方辰设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于多传感器数据融合的电机故障诊断方法、系统及介质在说明书摘要公布了：本发明实施例公开了一种基于多传感器数据融合的电机故障诊断方法、系统及介质，方法包括：获取各传感器的初始信号数据；通过奇异值分解对初始信号数据进行降噪处理；提取降噪后的初始信号数据的本征模态函数分量，根据本征模态函数分量获取重构数据；基于重构数据构建反向传播神经网络，引入遗传算法中的交叉概率和变异概率修正反向传播神经网络的权值和阈值，确定混合网络；根据混合网络获取各传感器故障诊断概率；根据各传感器的固有可靠性系数和混合网络的固有可靠性系数，确定证据可靠性因子；根据证据可靠性因子对各传感器故障诊断概率进行修正，确定证据概率，通过证据概率进行电机故障预测，提高整体诊断的准确性和可信度。

本发明授权基于多传感器数据融合的电机故障诊断方法、系统及介质在权利要求书中公布了：1.一种基于多传感器数据融合的电机故障诊断方法，其特征在于，所述方法包括： 获取各传感器的初始信号数据； 通过奇异值分解对初始信号数据进行降噪处理； 提取降噪后的所述初始信号数据的本征模态函数分量，根据所述本征模态函数分量获取重构数据； 基于所述重构数据构建反向传播神经网络，引入遗传算法中的交叉概率和变异概率修正反向传播神经网络的权值和阈值，确定混合网络； 根据所述混合网络获取各传感器故障诊断概率； 根据所述各传感器的固有可靠性系数和所述混合网络的固有可靠性系数，确定证据可靠性因子； 根据所述证据可靠性因子对各传感器故障诊断概率进行修正，确定证据概率，通过所述证据概率进行电机故障预测； 所述通过奇异值分解对初始信号数据进行降噪处理，具体包括： 通过相空间重构确定所述初始信号数据的汉克尔矩阵，并根据所述初始信号数据的信号采样个数确定所述汉克尔矩阵的行数和列数； 对所述汉克尔矩阵进行奇异值分解，获取奇异值，并确定相邻奇异值之间的变化程度； 确定当前奇异值与下一个奇异值之间的所述变化程度发生突变，则该奇异值为分界点； 保留所述分界点之前的所有奇异值，将其余的奇异值置零后，根据所述奇异值分解的逆过程获取新的汉克尔矩阵； 根据所述相空间重构的逆过程，将所述新的汉克尔矩阵转换为降噪后的初始信号数据； 所述提取降噪后的所述初始信号数据的本征模态函数分量，根据所述本征模态函数分量获取重构数据，具体包括： 降噪后的所述初始信号数据中加入均值为零、方差相等的随机白噪声，获取加入白噪声后的信号组； 对所述加入白噪声后的信号组中的每个信号进行经验模态分解，提取若干组本征模态函数分量和余量； 根据所述若干组本征模态函数分量和余量确定本征模态函数分量矩阵和余量矩阵； 分别对所述本征模态函数分量矩阵和余量矩阵和按列求出本征模态函数分量均值和余量均值； 根据所述本征模态函数分量均值和余量均值获取重构数据； 所述根据证据可靠性因子对所述各传感器故障诊断概率进行修正，确定证据概率，通过所述证据概率进行电机故障预测，具体包括： 根据确定证据概率，其中，，为第个证据的第种情况的各传感器故障诊断概率，i∈[1，]，j∈[1，N]，为独立证据的个数，为评估等级个数，为优化后的各传感器故障诊断概率，为故障情况中的完全不确定情况； 证据可靠性因子与可靠性系数之间的关系如下式所示： ； ； 其中，为证据可靠性因子，为多传感器的固有可靠系数，为混合网络的可靠性系数，e为自然对数的底数，为采用的混合网络的可信度，。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。