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;西安航天动力研究所申请的专利基于RSAF模型的高速涡轮泵转静碰摩实时监测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：CN119128762B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411274242.X，技术领域涉及：G06F18/2433；该发明授权基于RSAF模型的高速涡轮泵转静碰摩实时监测方法是由高玉闪;王俨剀;许开富;杨宝锋;孙超民;金路;吕亚男设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本基于RSAF模型的高速涡轮泵转静碰摩实时监测方法在说明书摘要公布了：本发明提出一种基于RSAF模型的高速涡轮泵转静碰摩实时监测方法，首先确定参与碰摩监测的特征，增加转速、转速变化量两个特征以反映工况状态，以位移峰峰值、基频值引入当前装配条件下振动总体水平的影响，从而可以将不同工况、状态的数据统一起来分析；并以涡轮泵历史正常数据建立RSAF模型，作为正常状态的表征；实时监测涡轮泵的位移信号，提取位移信号的碰摩故障特征，计算每个时刻的特征与RSAF模型的相似度，获得该时刻的估计值，根据估计值判断是否与正常状态发生了偏离。本发明能将涡轮泵不同转速情况的数据统一处理，有效的避免虚警与漏警。

本发明授权基于RSAF模型的高速涡轮泵转静碰摩实时监测方法在权利要求书中公布了：1.一种基于RSAF模型的高速涡轮泵转静碰摩实时监测方法，其特征在于：包括以下步骤： 步骤1：确定参与碰摩监测的特征向量为 其中，为涡轮泵转速，为转速变化量，P为1、2、3阶正反进动组成的向量，为第k个检测通道的特征向量，k=1,2,…,K： 上述特征中为第k个检测通道的振幅峰峰值，为第k个检测通道的基频对应幅值，为第k个检测通道的低频段频谱中I个频点对应幅值；为第k个检测通道的次谐波对应幅值，、、为第k个检测通道中2倍频、3倍频、4倍频对应幅值； 步骤2：获取涡轮泵历史正常工作状态下的检测数据，并提取历史正常工作状态下的检测数据的特征向量，将得到的特征向量划分学习集与测试集，以学习集训练RSAF模型，作为正常状态的表征；并结合测试集以及训练得到的RSAF模型，得到特征向量估计值，计算所述特征向量估计值与测试集特征向量真实值的偏差量，如果偏差量中的所有分量均小于设定阈值，则得到最终RSAF模型，否则重新利用学习集训练RSAF模型； 建立RSAF模型的过程为： 步骤2.1：根据涡轮泵历史正常工作状态下的检测数据，判断稳态段；在每个稳态段中，获取各个特征分量的最大值时刻和最小值时刻的特征向量，作为粗典型状态集合{SE}； 步骤2.2：在粗典型状态集合{SE}中，若有两个时刻的特征向量相似度高于设定阈值，则剔除其中一个时刻的特征向量，最终保留子集{SE1}； 步骤2.3：根据涡轮泵历史正常工作状态下的检测数据，判断变工况段；由所有变工况段的特征向量组成典型状态集合{TE}；在典型状态集合{TE}中，若有两个时刻的特征向量相似度高于设定阈值，则剔除其中一个时刻的特征向量，最终保留子集{TE1}； 步骤2.4：将{SE1}与{TE1}组合在一起，形成RSAF模型； 结合测试集以及训练得到的RSAF模型，得到特征向量估计值的过程为： 对于测试集中的某一特征向量，计算该特征向量与RSAF模型中的所有特征向量的相似度，按照相似度确定RSAF模型中每个特征向量的权重，再对RSAF模型中每个特征向量进行加权求和，得到该特征向量的估计值 步骤3：实时监测涡轮泵的检测信号，根据步骤1的定义，计算实测检测信号的特征向量，结合实测检测信号的特征向量以及步骤2得到的最终RSAF模型，得到对实测检测信号特征向量的估计值，计算实测检测信号特征向量估计值与实测检测信号特征向量计算值的偏差量，若所述偏差量连续3个计算周期均有分量超出设定阈值，则认为涡轮泵工作状态发生了异常。

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;西安航天动力研究所，其通讯地址为：710072 陕西省西安市碑林区友谊西路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。