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！

龙图腾网获悉集美大学申请的专利一种滚动轴承零故障样本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：CN119000088B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411162922.2，技术领域涉及：G01M13/045；该发明授权一种滚动轴承零故障样本诊断方法是由黎国强;段超群;吴德烽;廖卫强;闫锦;林德昭设计研发完成，并于2024-08-23向国家知识产权局提交的专利申请。

本一种滚动轴承零故障样本诊断方法在说明书摘要公布了：本发明涉及一种滚动轴承零故障样本诊断方法，属于滚动轴承智能故障诊断领域。所述方法包括：1采集滚动轴承振动数据；2计算滚动轴承各个关键部件的故障频率；3利用希尔伯特解调与傅里叶变换，提取滚动轴承振动数据的频谱，接着引入一种灰度图像转换方法，联合故障频率，基于滚动轴承正常状态振动数据构建多个灰度图像训练集；4建立多个基于深度残差收缩网络的特征编码器，设计一种全新的对比损失函数，利用灰度图像训练集，优化特征编码器；5构建基于特征编码器的滚动轴承故障检测模型，实现滚动轴承零故障样本下的智能诊断。本发明摆脱了对故障样本的依赖，实现滚动轴承零故障样本下的高精度智能诊断。

本发明授权一种滚动轴承零故障样本诊断方法在权利要求书中公布了：1.一种滚动轴承零故障样本诊断方法，其特征在于，包括： 采集滚动轴承正常状态振动数据，结合希尔伯特解调与傅里叶变换，获取滚动轴承正常状态振动数据的频谱； 计算滚动轴承各关键部件的故障频率，提出一种频谱-灰度图像转换方法，获取基于滚动轴承正常状态振动数据的灰度图像训练集； 建立多个基于深度残差收缩网络的特征编码器，结合滚动轴承各关键部件的故障频率，设计一种对比损失函数，结合灰度图像训练集，优化特征编码器； 构建基于特征编码器的滚动轴承故障检测模型，通过联合不同故障频率下基于特征编码器的多个滚动轴承故障检测模型，实现滚动轴承零故障样本下的智能诊断； 所述频谱-灰度图像转换方法，即将频谱截取区间对应转化为灰度图像，具体为：截取滚动轴承正常状态振动数据的频谱，截取长度为L＝M，若在频谱截取区间内搜索到频谱峰值，则频谱截取区间内的所有频谱值用频谱峰值替代，并转换为像素点，反之，将相应频谱截取区间内的频谱值分别转换为像素点，转换公式如下： 其中，Pj，k表示坐标j，k处的像素点，M表示灰度图像的长度； 所述建立多个基于深度残差收缩网络的特征编码器，结合滚动轴承各关键部件的故障频率，设计一种对比损失函数，结合灰度图像训练集，优化特征编码器的具体实现方式为： 构建基于深度残差收缩网络的特征编码器，设为E；利用E对故障频率对应的故障倍频下获得的m组灰度图像进行特征提取，特征提取过程表示为： ＝Encimg其中，imgz表示故障频率对应的Z倍故障倍频下的灰度图像，Enc表示特征提取网络； 设两相连的滚动轴承正常状态振动数据为si-1与si，分别利用E提取si-1与si对应的灰度图像的特征f1，f2，…，fz，…,fm与f′1，f′2，…，f′z，…,f′m，计算两两高维特征间的余弦相似度cc·，根据结果构建对比矩阵Matrix： 对比矩阵Matrix中对角线元素取得最大值，非对角线元素最小值，基于此，构建两个损失函数： 通过观察对比矩阵Matrix，对角线元素取得最大值，非对角线元素取最小值，表示为m×m的Hot编码，得到一个交叉熵损失函数： 其中，故障频率对应的故障倍频下获得的m组灰度图像中每组灰度图像均包括N张灰度图像，n表示第n张灰度图像；p由对比矩阵Matrix获得，具体为获得每一行元素最大值的所在位置，ri表示对比矩阵Matrix中的第i行，y为对比矩阵Matrix中每一行的hot编码； 最终，得到一种对比损失函数，表达式如下：

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集美大学，其通讯地址为：361021 福建省厦门市集美区银江路185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。