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！

龙图腾网获悉哈尔滨理工大学申请的专利基于动态特征识别的机械传动系统故障趋势预测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：CN121298243B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511885980.2，技术领域涉及：G01M13/028；该发明授权基于动态特征识别的机械传动系统故障趋势预测系统是由王柯程;朱美文设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本基于动态特征识别的机械传动系统故障趋势预测系统在说明书摘要公布了：本发明公开了基于动态特征识别的机械传动系统故障趋势预测系统，涉及机械状态监测技术领域。包括通过信号采集模块同步采集传动系统的负载扭矩信号、润滑状态参数信号及多个测点的振动加速度信号；工况解耦特征生成模块对振动信号进行时频分析，并根据负载扭矩信号调用预存的负载扰动谱模板进行自适应差分处理，以消除负载波动干扰，再根据润滑状态参数信号调用校正规则集对信号进行形态重组，以补偿润滑状态影响，最终输出表征机械部件健康状态的工况解耦特征；趋势预测模块通过预训练的故障预测模型计算得到故障发展趋势与剩余寿命估计数据。本发明有效提取了表征部件本质退化的动态特征，提升了机械传动系统故障趋势预测的准确性与可靠性。

本发明授权基于动态特征识别的机械传动系统故障趋势预测系统在权利要求书中公布了：1.基于动态特征识别的机械传动系统故障趋势预测系统，其特征在于：包括： 信号采集模块，用于同步采集机械传动系统的负载扭矩信号和润滑状态参数信号以及传动链上多个测点的振动加速度信号，并将采集到的多源信号发送至工况解耦特征生成模块； 工况解耦特征生成模块，与所述信号采集模块连接，用于接收所述多源信号并执行以下操作： 基于所述振动加速度信号生成时频分布数据； 根据所述负载扭矩信号，从预存的负载扰动谱映射关系中调用对应的负载扰动谱模板，并对所述时频分布数据进行自适应差分处理，生成处理后的时频分布数据； 根据所述润滑状态参数信号调用对应的校正规则集，对所述处理后的时频分布数据进行形态重组，输出表征机械部件健康状态的工况解耦特征，并将所述工况解耦特征发送至趋势预测模块； 趋势预测模块，与所述工况解耦特征生成模块连接，用于基于所述工况解耦特征，通过预训练的故障预测模型计算得到所述机械传动系统的故障发展趋势数据和剩余寿命估计数据； 其中，通过预训练的故障预测模型计算得到所述机械传动系统的故障发展趋势数据，具体包括以下步骤： 按时间顺序缓存最近N个时间点的所述工况解耦特征，生成工况解耦特征时间序列矩阵； 对所述工况解耦特征时间序列矩阵沿时间维度进行主成分分析，提取第一主成分得分序列并进行线性拟合，将拟合所得的斜率作为全局趋势强度因子； 将当前时刻的所述工况解耦特征输入预训练的多分类神经网络，输出所述机械传动系统在未来的预设第一时间窗口内，从当前健康状态跃迁至多个预定义的退化状态的概率分布，并计算状态恶化倾向指数； 将所述全局趋势强度因子与所述状态恶化倾向指数进行加权融合，生成综合的故障发展趋势评分，作为所述故障发展趋势数据的组成部分。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。