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！

龙图腾网获悉中国船舶集团有限公司第七〇四研究所申请的专利一种基于特征值旁瓣的故障辨识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：CN119397335B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411540758.4，技术领域涉及：G06F18/24；该发明授权一种基于特征值旁瓣的故障辨识方法是由钟焱;符栋梁;濮陈杰;许旭东;钱之纯设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于特征值旁瓣的故障辨识方法在说明书摘要公布了：本发明涉及一种基于特征值旁瓣的故障辨识方法，其步骤为：步骤一，通过分析唯象学模型的频谱分布，识别出特征频率附近与次振动故障直接相关的旁瓣特征；步骤二，特征值旁瓣提取：采用小波变换、希尔伯特变换信号处理方法，从预处理后的信号中提取特征值旁瓣信息；步骤三，特征值旁瓣分析：对提取到的特征值旁瓣信息进行定量分析；步骤四，故障辨识：根据特征值旁瓣的分析结果，结合故障特征库和智能算法，对设备进行故障辨识。本发明的方法能提高故障辨识精度：通过利用特征值旁瓣的细微变化进行故障辨识，可以显著提高辨识精度，降低误判率；增强抗干扰能力：特征值旁瓣分析对噪声和干扰具有较强的抑制作用，可以在复杂环境下稳定工作。

本发明授权一种基于特征值旁瓣的故障辨识方法在权利要求书中公布了：1.一种基于特征值旁瓣的故障辨识方法，其特征在于，包括以下几个步骤： 步骤一，通过分析唯象学模型的频谱分布，识别出特征频率附近与次振动故障直接相关的旁瓣特征，振动信号唯象建模是以固定在设备上的振动传感器为视角，通过研究系统运行规律、振动特性及振动信息传递模式，结合实际经验观察建立的一种简单而有效的数学模型； 建立考虑所有运行情况的数学模型： 式中，vcomt表示复合式故障信号，μ代表故障特征，μ＝1,2……，q1,2…，Q为振动谐波阶数，vq和为第q阶振动的幅值与相位；adisμt、bdisμt为分布式故障调幅及调频函数，Rμt周期性函数；不存在故障时，Rμt＝0； 步骤二，特征值旁瓣提取：采用小波变换、希尔伯特变换信号处理方法，从预处理后的信号中提取特征值旁瓣信息，特征值旁瓣包括主瓣两侧的旁瓣区域，这些旁瓣区域包含信号传播路径上的重要信息； 步骤三，特征值旁瓣分析：对提取到的特征值旁瓣信息进行定量分析，包括旁瓣强度、分布、变化趋势，以揭示信号传播路径上的微小变化；信号分解后，会获得一个时间-频率表示矩阵，包含信号关键信息：振动幅度与频率变化，特征提取目的是从这些系数中识别出与设备主要振动特征相关的模式，并关注系数能量分布，通过计算每个缩放层能量来实现， Es＝∫|CWTt,s|2dt 为进行有效信号识别与分类，需构建一个特征向量，特征向量基于特征值旁瓣分析提取关键特征，包括能量分布、频率峰值，特征向量表示为： F＝[F1，F2，...，Fn]其中F1，F2，…，Fn分别为不同特征参数，包括特定频率带的能量值、能量峰值的位置，CWT为连续小波变换系数，s为尺度； 步骤四，故障辨识：根据特征值旁瓣的分析结果，结合故障特征库和智能算法，对设备进行故障辨识，采用故障辨识图方法的贡献图，基于SPE统计量的贡献图定义如下： 表示每个变量对SPE统计量的贡献值，ζi表示单位矩阵I的第i列，ti为数据矩阵在相应负载向量上的投影，x为样本数据，C为样本数据x的残差空间的投影矩阵， 基于T2的贡献图定义如下： 其中，T2为统计量衡量变量值在空间中的变化，D＝PT∧-1P，ζi表示单位矩阵I的第i列，P为载荷矩阵，为每个变量对T的贡献值； 检测到故障后，使用贡献图法进行故障辨识，贡献值较大的变量即认为是故障的发生原因，方便进行后续故障处理。

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船舶集团有限公司第七〇四研究所，其通讯地址为：200031 上海市徐汇区衡山路10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。