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！

龙图腾网获悉合肥工业大学申请的专利一种基于局部保留自编码器的滚动轴承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：CN119150141B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411335943.X，技术领域涉及：G06F18/2415；该发明授权一种基于局部保留自编码器的滚动轴承故障诊断方法是由储昭碧;鲁正华;张志强设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种基于局部保留自编码器的滚动轴承故障诊断方法在说明书摘要公布了：本发明公开了一种基于局部保留自编码器的滚动轴承故障诊断方法，包括：1对电机在不同轴速度下采集的各类健康状态的滚动轴承的原始振动信号样本进行分片和白化处理，从而构建全局训练样本集；2从全局训练样本集随机选取一定比例的样本构成局部训练样本集；3利用复杂度不变距离测量法构造权重图；4利用全局及局部训练样本集和权重图对局部保留自编码器模型进行训练，采用训练后的模型网络参数提取原始振动信号样本的特征向量，从而构成分类器训练数据集；5用分类器训练数据集训练用于轴承故障诊断的分类器。本发明通过在重构空间中保留原始空间的数据局部结构信息，获得信息丰富和有识别力的特征，从而有效提升故障识别效果。

本发明授权一种基于局部保留自编码器的滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于局部保留自编码器的滚动轴承故障诊断方法，其特征在于，包括以下步骤： 步骤1、对电机在不同轴速度下采集的各类健康状态的滚动轴承原始振动信号样本进行分片和白化处理，从而构建全局训练样本集； 获取滚动轴承的振动信号样本集，其中，为第个振动信号样本，P表示采样点的总数，是对应的健康状态；C表示健康状态的种类； 对进行重叠率为，片段长度为的分片处理后再进行白化处理，得到第t个局部样本片段集，从而得到全局训练样本集，其中，表示中的第i个局部样本片段，M表示每个振动信号样本的局部样本片段总数，； 步骤2、从全局训练样本集随机选取一定比例的局部样本片段构成局部训练样本集，其中，表示中第k个抽取的局部样本片段，表示抽取的局部样本片段总数，且； 步骤3、基于局部训练样本集，利用复杂度不变距离测量方法构造权重图，其中，是权重图的边集合； 步骤4、构建局部保留自编码器，包括编码器h和解码器d，并对和进行处理后，得到对应的全局重构结果及对应的局部重构结果； 步骤5、利用式4构建局部保留自编码器的损失函数Loss： 4 式4中，是由相似度矩阵和单位矩阵的组合矩阵，是局部保留罚项参数，T表示转置，表示矩阵的迹； 步骤6、以最小损失函数Loss为目标，使用L-BFGS算法优化局部保留自编码器的参数，得到训练后的局部保留自编码器； 步骤7、采用训练后的局部保留自编码器提取振动信号样本集的特征向量，并构成分类器的训练数据集； 将输入训练好的局部保留自编码器模型中进行处理，得到第t个局部特征表征集，并对进行平均池化处理后，得到对应的特征向量，从而得到分类器的训练数据集，其中，表示的局部特征表征； 步骤8、将分类器的训练数据集输入分类器中进行处理，并利用式5构建分类器的损失函数，从而对分类器进行训练，得到训练后的最优分类器； 5 式5中，是指示函数，当内部条件成立时，为1，否则，为0；是权重衰减因子，表示分类器对应的第c个参数； 步骤9、将给定的任意新的振动信号样本输入训练好的局部保留自编码器模型中进行处理，得到对应的特征向量，再将特征向量输入到训练后的最优分类器中，从而利用式4得到属于第类健康状态的概率，从而实现对轴承故障的分类； 6 式4中，是最优分类器的第c个参数。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。