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！

龙图腾网获悉重庆大学申请的专利基于端边协同诊断的智能滚动体分布式检测方法及系统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：CN119415874B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411459202.2，技术领域涉及：G06F18/20；该发明授权基于端边协同诊断的智能滚动体分布式检测方法及系统是由徐圆圆;丁晓喜;郑贺彬;余文念;李自鑫;曾强;郑苗设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本基于端边协同诊断的智能滚动体分布式检测方法及系统在说明书摘要公布了：本发明属于机械故障诊断技术领域，具体公开了一种基于端边协同诊断的智能滚动体分布式检测方法及系统，该方法包括如下步骤：S1，采集带式输送机装置上的多个滚动体的振动和温度数据；S2，对各滚动体的振动信号进行统一尺度的分解并进行峭度值计算，得到特征分布向量；S3，对各个滚动体的特征分布向量和温度特征值分别进行互检，利用K近邻算法寻找离群点，作为故障候选点；S4，采集滚动体的故障候选点的振动数据，并进行SVMD分解得到子信号，对该子信号进行频谱分析和包络谱分析，判断是否真实存在滚动体的故障频率，若存在则输出对应故障信息并进行故障原因分析。采用本技术方案，采用分布式离群检测定位故障滚动体，获取故障信息。

本发明授权基于端边协同诊断的智能滚动体分布式检测方法及系统在权利要求书中公布了：1.一种基于端边协同诊断的智能滚动体分布式检测方法，其特征在于，包括如下步骤： S1，采集带式输送机装置上的多个滚动体的振动和温度数据； S2，基于小波包变换，对各滚动体的振动信号进行统一尺度的分解，对各滚动体分解后的各尺度信号进行峭度值计算，得到特征分布向量； S3，对各个滚动体的特征分布向量和温度数据分别进行互检，利用K近邻算法寻找离群点，作为故障候选点； S4，采集滚动体的故障候选点的振动数据，并进行分解得到子信号，对该子信号进行频谱分析和包络谱分析，判断是否真实存在滚动体的故障频率，若存在则输出对应故障信息并进行故障原因分析； 对各个滚动体的特征分布向量和温度特征值分别进行互检，利用K近邻算法寻找离群点的方法为： 对于一个样本集； 分别样本集中与之间的欧式距离为： ， 其中，，； 根据欧式距离差异，寻找每个样本点的前K个近邻，，然后计算每个样本点与其K个近邻样本之间的平均距离： ， 其中，是的K近邻距离,设置特征分布向量和温度特征值的K近邻距离阈值，超出K近邻距离阈值的样本点判断为离群样本点； 通过K近邻算法分别计算特征分布向量样本集和温度特征样本集的离群样本点，这些离群样本点即为故障候选点； 步骤S4中，采集连续L个时刻的滚动体的振动和温度数据，执行步骤S2和S3,寻找各个时刻的无线振温传感器采传节点的离群点，若一个无线振温传感器采传节点连续为异常离群点，则获取该无线振温传感器采传节点的振动数据信号，设置SVMD的最优惩罚系数，采用SVMD对该振动数据信号进行自适应分解诊断； 将信号经过SVMD分解后的子信号进行频谱分析和包络谱分析，判断是否真实存在故障以及进行故障诊断分析； 将信号经过SVMD分解后的子信号进行频谱分析和包络谱分析的方法为： 获取滚动体的节径，滚子直径，滚子个数，转速与接触角参数，计算滚动体的故障频率；特征频率是故障频率的倍频，若子信号的频谱和包络谱中存在滚动体的特征频率，则说明真实存在故障。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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。