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！

龙图腾网获悉苏州大学申请的专利一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取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：CN116429420B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310520434.3，技术领域涉及：G01M13/04；该发明授权一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取方法是由张馨尹;石娟娟;刘康宁;刘仕晨;陶旭阳;黄伟国;朱忠奎设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取方法在说明书摘要公布了：本发明公开了一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取方法，包括以下步骤：S1：引入倾斜角来确定广义解调的解调因子；S2：通过LSTM网络模型对信号的倾斜角进行自适应预测，利用得到的解调因子构建广义解调因子矩阵；S3：通过频率—幅值图确定感兴趣的分量解调之后所处的频率位置，实现对故障特征系数的预确定；S4：构造提取算子矩阵，之后进行逆向广义解调。本发明，在广义解调方法的框架下，在不依赖于对时频脊线预提取的基础上，利用LSTM网络模型实现对解调因子的自适应构建，通过构造解调因子矩阵和提取算子矩阵等，实现对多分量信号的同步化增强提取。

本发明授权一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取方法在权利要求书中公布了：1.一种LSTM指导下自适应广义解调的轴承故障特征同步增强提取方法，其特征在于：包括以下步骤： S1：引入倾斜角来确定广义解调的解调因子，将解调因子拓展成一个解调因子矩阵，对多分量信号进行同步广义解调； S2：通过LSTM网络模型对信号的倾斜角进行自适应预测，利用得到的解调因子构建广义解调因子矩阵，通过哈达玛积的形式实现在无需先验知识的情况下对多分量信号的同步广义解调； S3：通过频率-幅值图确定感兴趣的分量解调之后所处的频率位置，实现对故障特征系数的预确定； S4：构造提取算子矩阵，之后进行逆向广义解调；通过提取算子矩阵的构造，将感兴趣的故障特征频率相关分量提取出来并进一步锐化时频脊线；再通过逆向广义解调，以获得时频聚集性增强之后的时频脊线； 在广义解调算法中，确定解调因子，根据解调因子对目标信号分量进行广义解调；所构造的广义解调因子矩阵如下 其中，d0t表示通过角度匹配的方法所构造出的该信号其中一个分量的解调因子，nm表示解调因子前面的系数； 通过上述方法将原来长度为1×l的解调因子扩展成一个大小为nm×l的解调因子矩阵，其中l为所分析的信号的实际长度； 所述S4包括以下步骤： S4.1：所构造的提取算子提取恒定频率上的信号分量以及感兴趣信号分量相关成分被解调之后所处频率位置的分量；其中，对于与转频、故障特征频率相关分量通过频率-幅值图上峰值点出现的位置及比例确定；因此，矩阵S中感兴趣相关分量是通过构造提取算子矩阵从而被提取出来的； 提取算子的构造是在基于已经确定解调后的所感兴趣分量在时频图上频率位置的基础上的； 其中，O表示为提取算子，m表示矩阵O的第m行，ω表示频率-辅助图中峰值所对应的频率位置,其中，k＝1,2,3,…； S4.2：通过求矩阵S和矩阵O的哈达玛积，成功提取出解调后信号的转频以及其故障特征频率的相关成分； 在式22中，矩阵S中仅包含了每个所感兴趣分量解调之后的频率成分，而没有其他噪声的影响；由此，对矩阵S进行逆向广义解调算法从而获得这些时频聚集性增强后的感兴趣的时频分量原始的时频特征，从而便于后续进行更加精确的故障诊断。

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苏州大学，其通讯地址为：215000 江苏省苏州市十梓街1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。