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！

龙图腾网获悉西安交通大学申请的专利基于动态视觉信号对齐的非接触式微振动测量与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：CN119719979B 。

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：202411770214.7，技术领域涉及：G06F18/2431；该发明授权基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法是由李响;广睿祎;雷亚国;李乃鹏;杨彬;冯珂;曹军义;武通海设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法在说明书摘要公布了：一种基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法，先利用动态视觉传感器‑‑‑事件相机进行非接触式采集旋转机械振动的事件数据，并利用事件数据表征方法将事件流转换为等间距、不重叠且连续的事件帧序列；然后对事件帧序列通过深度神经网络提取各个像素点的微振动信息，通过信号对齐方法缩小相邻像素点振动信号的差异，通过特征聚类方法将接触传感数据被用作优化模型性能的参考；最后利用得到的微振动数据进行智能故障诊断；本发明提高非接触式传感器在旋转机械的振动监测和故障诊断领域的可适用性。

本发明授权基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法在权利要求书中公布了：1.一种基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法，其特征在于： 先利用动态视觉传感器‑‑‑事件相机进行非接触式采集旋转机械振动的事件数据，并利用事件数据表征方法将事件流转换为等间距、不重叠且连续的事件帧序列；然后对事件帧序列通过深度神经网络提取各个像素点的微振动信息，通过信号对齐方法缩小相邻像素点振动信号的差异，通过特征聚类方法将接触传感数据被用作优化模型性能的参考；最后利用得到的微振动数据进行智能故障诊断； 所述的方法，包括以下步骤： 步骤1，事件数据采集：利用事件相机采集旋转机械振动的异步事件流； 步骤2，事件数据表征：首先将事件流重构为事件振动序列，然后将其作为提取振动信号的样本；利用事件数据的二维表示方法重构采集到的事件流数据，一段事件流数据被划分为等长、不重叠、连续的子事件流数据；在子事件流数据中，对于每个像素，各个事件的极性是叠加的，子事件流被压缩为二维事件帧；而整段事件流被重构为事件帧序列，具体表示为其中pi表示事件的极性，x,y表示事件的位置，Ω表示事件帧的二维视野区域，nd表示指定时间段td内该像素处的事件总数； 利用接触式传感器的数据来校准从事件帧序列中提取的振动信号，进行特征差异分析，首先采集旋转机械各个运行状态对应的接触式传感器的数据，然后提取相关特征作为校正标签，第i个事件数据样本表示为si＝ri,hi,ji，其中ri＝[ri1，ri2，…，rin]表示事件帧序列，n表示事件帧序列中包含的连续事件帧数；hi表示机器健康状态标签；ji表示相应状态下加速度信号特征的校准标签； 步骤3，建立一种基于事件信号的微振动监测与故障诊断网络框架的模型，该模型由振动信号提取器和故障模式识别器两部分组成；振动信号提取器从输入的事件帧序列中提取每个像素的时域振动信号，然后送入故障模式识别器识别其故障模式； 步骤4，振动信号对齐：假设事件相机监测的物体为刚体，每个像素与相邻像素同步振动，这些像素的时域振动信号相似，以此假设为相邻像素时域振动信号偏差校正的基础，其中，Ld表示对应的损失；x,y表示采集像素的坐标；Sx,y表示选定像素点对应的时域振动信号；表示相邻像素点的时域振动信号；a和b分别表示X和Y方向上的偶数个相邻点； 步骤5，振动特征聚类：对于训练集中的样本，计算其振动信号的时域特征，并按照工况进行聚类，聚类中心定义为根据接触式传感器的数据计算出的时域特征，基于聚类中心计算每个类的类内损失，将所有类的损失汇总起来形成最终的聚类损失，Qj＝[qj1,qj2,…,qjr]qjr＝[A,B,C]式中，Le表示总的聚类损失，wi表示每类的类内损失，即每类所含样本的特征向量与中心特征向量的欧氏距离；K表示总类数；Qacc表示中心特征向量；Ne表示类内样本总数；Qj表示特征向量，其中包含了每条振动信号的时域特征qjr；其中，A、B和C分别表示时域特征中的峰值指标、裕度指标和偏斜度指标，这些指标都是无量纲参数； 步骤6，模型训练：初始化网络参数，将训练样本输入模型计算分类损失、对齐损失和聚类损失，用于优化网络参数；在每一个epoch训练完成后，丢弃该epoch的样本，直至模型收敛；最后，将无标签测试数据输入模型，评估测试性能。

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交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。