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！

龙图腾网获悉长春工业大学申请的专利基于双重特征选择的CNN-ISO滚动轴承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：CN120804860B 。

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：202511308304.9，技术领域涉及：G06F18/2413；该发明授权基于双重特征选择的CNN-ISO滚动轴承故障诊断方法是由张邦成;陈司昱;常笑鹏;邵昱博;高智;尹晓静设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本基于双重特征选择的CNN-ISO滚动轴承故障诊断方法在说明书摘要公布了：本发明提供了一种基于双重特征选择的CNN‑ISO滚动轴承故障诊断方法。属于旋转机械设备故障诊断领域。第一阶段利用卷积神经网络CNN从原始振动信号中自动提取高维深度特征，避免人工特征构造的主观性和复杂性，确保特征提取过程更加客观、全面；第二阶段将改进的蛇群优化算法ImprovedSnakeOptimization，ISO与特征剔除、特征激活相结合，实现特征子集选择与支持向量机SVM分类器参数的同步优化，在特征空间和参数空间中进行高效的全局搜索，充分挖掘最优特征组合与分类器性能的协同提升潜力。本发明在准确率、搜索效率及模型轻量化方面均优于传统方法，可为实现工业现场轴承早期故障的实时、准确诊断提供思路。

本发明授权基于双重特征选择的CNN-ISO滚动轴承故障诊断方法在权利要求书中公布了：1.基于双重特征选择的CNN-ISO滚动轴承故障诊断方法，其特征在于，包括：步骤1：数据导入与切分：获取轴承振动原始信号，按预设窗口长度进行滑动窗口切分并进行幅值归一化； 步骤2：第一阶段：特征构建：将样本段输入卷积神经网络，输出固定维度的深度特征向量； 步骤3：第二阶段：特征选择与SVM参数联合优化，采用改进蛇群优化算法对步骤2的深度特征执行特征子集选择，并与SVM参数同步优化，候选解由二元特征掩码与参数向量组成； 步骤4：训练与诊断：基于步骤3获得的最优特征子集与最优参数训练径向基核函数SVM分类器，并输出故障类别； 其中，在步骤3构建联合适应度函数，以分类性能为主项，并引入与特征压缩率相关的惩罚项以及对参数幅度的正则项，以实现诊断性能与特征维度压缩的协同最优； 所述联合适应度函数定义为：，其中，为模型的；：当前被激活的特征维度；：原始特征维度；：SVM的两个参数，将按对数尺度归一化至[0,1]，为权衡系数；所述权衡系数满足。

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长春工业大学，其通讯地址为：130012 吉林省长春市朝阳区延安大街2055号长春工业大学；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。