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！

龙图腾网获悉西安电子科技大学申请的专利一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备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：CN116429430B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310427561.9，技术领域涉及：G01M13/045；该发明授权一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质是由蔡改改;刘泽宇;王诗彬;魏慧勇;胡耀阳设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质在说明书摘要公布了：一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质，方法包括：步骤1，采集轴承故障振动信号；步骤2，构建自适应多尺度增强字典学习框架，提取故障脉冲信号；步骤3，基于步骤2中提取的故障脉冲信号通过包络分析识别故障频率及其倍频以确定故障类型；系统、设备及介质用于实现一种基于自适应多尺度增强字典学习框架的轴承故障检测方法；本发明利用多尺度子带筛选削弱复杂和强干扰的影响，设计阈值自适应估计方法来避免手动调参，最后将增强‑运行‑减去的增强策略与字典学习集成到多尺度变换中，构建自适应多尺度增强字典学习模型以提高多尺度字典学习的性能，从而能自适应的对轴承进行可靠的故障监测和诊断。

本发明授权一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质在权利要求书中公布了：1.一种基于自适应多尺度增强字典学习框架的轴承故障检测方法，其特征在于：包括以下步骤： 步骤1，采集轴承故障振动信号； 步骤2，构建自适应多尺度增强字典学习框架，提取故障脉冲信号； 所述步骤2具体包括以下步骤： 步骤2.1，对步骤1中采集的轴承故障振动信号进行调Q小波变换得到多尺度子带； 步骤2.2，计算步骤2.1中各多尺度子带的自适应周期调制强度APMI； 所述步骤2.2中，计算各多尺度子带的自适应周期调制强度APMI的步骤如下： 计算可能的故障周期τi： τi＝roundfsFCFs其中，fs表示采样频率，round·函数用于舍入到最接近的整数，故障特征频率FCFs分别为外圈BPFO、内圈BPFI、保持架FTF和滚动体BSF； 对每个多尺度子带定义故障周期搜索范围： 其中，γj表示包含四个故障周期及其周围系数的集合，其中L0和Lj分别表示原始采集信号y和第j个多尺度子带的长度，C＝10为限制搜索范围的常数； 确定当PMIj最大时的多尺度子带和该多尺度子带的故障周期其中，其中，为自相关函数，Γyj＝∣yj+i·Hilbertyj∣表示输入信号yj经过Hilbert变换后的包络值的绝对值，其中i为虚单位； 基于第个多尺度子带，设可以计算每个多尺度子带的故障周期Tj： 其中，Tm和Lm分别表示第个多尺度子带的周期和长度； 基于每个多尺度子带的Tj，计算自适应周期调制强度APMI： 其中，和分别表示包络绝对值Γyj在时移0和Tj时的自相关函数值； 步骤2.3，基于步骤2.2中计算的自适应周期调制强度APMI进行多尺度子带筛选，得到优选多尺度子带； 步骤2.4，对步骤2.3中得到的优选多尺度子带自适应的估计稀疏编码阶段的阈值参数，将未选多尺度子带的小波系数置为0； 步骤2.5，将增强‑运行‑减去的增强策略与字典学习集成到多尺度变换中，构建自适应多尺度增强字典学习模型，并对其进行优化求解来提取故障脉冲信号； 所述步骤2.5中，将增强‑运行‑减去的增强策略与字典学习集成到多尺度变换中，构建自适应多尺度增强字典学习模型，仅优选多尺度子带用于该模型，所述自适应多尺度增强字典学习模型为： 其中，为第l个多尺度子带中以阈值εl参数化的多尺度字典学习方法，为第n次迭代后的去噪小波系数，为第n+1次迭代后的去噪小波系数，yl为第l多尺度子带的原始小波系数，步骤3，基于步骤2中提取的故障脉冲信号通过包络分析识别故障频率及其倍频以确定故障类型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。