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！

龙图腾网获悉青岛明思为科技有限公司申请的专利一种用于滚动轴承故障诊断的多维数据压缩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：CN115146673B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210719389.X，技术领域涉及：G06F17/14；该发明授权一种用于滚动轴承故障诊断的多维数据压缩方法是由尹钰华;刘志亮;左明健设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本一种用于滚动轴承故障诊断的多维数据压缩方法在说明书摘要公布了：本发明公开了一种用于滚动轴承故障诊断的多维数据压缩方法，它首先通过对信号进行短时傅里叶变化实现样本长度的压缩，同时提取信号的时频信息并储存于短时傅里叶系数矩阵中；随后，利用隐马尔可夫模型对时频信息进行建模，挖掘其隐藏的两种状态信息，得到的状态序列可表示为二进制序列，从而实现了比特数维度的压缩；最后，利用对状态序列的小波分解进行故障频率分辨率定位，基于相应的故障频率分辨率对信号进行降采样，近似小波压缩的过程，实现数据在成分维度的压缩。综上所述，通过多维度压缩实现超高压缩比的同时，有效的保留了原始数据中的故障特征。

本发明授权一种用于滚动轴承故障诊断的多维数据压缩方法在权利要求书中公布了：1.一种用于轴承故障诊断的多维数据压缩方法，其特征在于，包括以下步骤： 1、振动数据的时频转化； 1.1、采集待测轴承的振动数据X＝{x1,x2,…,xt,…,xn}，xt表示采集的第t个采样点的振动数据值，n为总采样点数； 1.2、对振动数据X进行短时傅里叶变换，从而将时域振动数据转化为时频域数据； 1.3、将时频转化后的短时傅里叶变化系数存储在矩阵Xstft中，其中，矩阵Xstft中第i列第f行的元素xstfti,f由下式计算： 其中，w[]表示分析窗函数；x[]指被窗函数分割后的序列，u表示该序列中样本的序号；Nw表示窗宽；R为窗的时移量；i表示窗的序号，i＝1,2,…,L，L＝floorn+R‑NwR；f表示频谱分布中频率的序号，f＝1,2,…,Nf，Nf＝Nw+1，floor为向下取整函数； 2、时频域状态建模； 2.1、定义隐马尔可夫模型Hidden Markov Model,HMM； HMM用参数集λ＝{π,A,C}表示，其中，π为初始概率向量，A和C分别为转移概率矩阵和观察分布的协方差矩阵； 2.2、HMM的参数初始化； 采样随机方法对HMM的参数进行初始化，需满足如下约束： 其中，πI表示初始状态处于I的概率，aIJ表示状态I向状态J的转移概率； 2.3、将矩阵Xstft中的列向量作为HMM的观测值，这样就将矩阵Xstft重新表示为观测序列O＝{oi},i＝1,2,…,L，oi表示第i个观测值，观测序列O对应的状态序列表示为S＝{si}，si表示第i个观测值对应的状态，si∈{0,1}； 2.4、采用期望最大算法进行HMM的参数估算； 2.4.1、设置最大迭代次数Z，初始化当前迭代次数z＝1，z＝1,2,…,Z；设置阈值ε； 2.4.2、定义第i个观测值的前向概率和后向概率分别为αiJ和βiI： 其中，siJ表示第i个观测值处于状态J的状态值； 2.4.3、在第z次迭代时，求解第i个观测值的前、后向概率； 其中，αi‑1I表示第i‑1个观测值的前向概率； 2.4.4、同理，通过遍历每一个观测值oi，按照公式4计算出第z次迭代时所有观测值的前、后向概率值； 2.4.5、计算状态占用概率及状态转换概率； 在给定参数λ及观测值oi时，计算第i个观测值的状态I的占用概率γiI以及状态转换概率ξiI,J； 2.4.6、估计模型参数； 其中：表示oi的共轭转置，为模型参数的估计值； 2.4.7、计算第z次迭代后的模型的似然概率值pzO： pzO＝αL0+αL1                   7其中，αL0表示第L个观测值处于状态0的前向概率，αL1表示第L个观测值处于状态1的前向概率； 2.4.8、若相邻两次迭代后的参数估计的概率值的差值小于指定阈值ε或z≥Z，则转到步骤3；否则，利用本轮迭代后估计得到的模型参数来更新模型参数集λ中参数的元素，然后令z＝z+1，再返回步骤2.4.3； 3、状态识别与转化； 3.1、定义路径优化数学模型； 3.2、利用维特比算法对路径优化数学模型进行迭代求解，获取第i个观测值的状态为I的转移概率最大的路径的联合概率δiI，再记录当前第i个观测值的最优路径的上一个状态χiI； 其中，δiI表示第i个观测值的状态为I的转移概率最大的路径的联合概率；poi|si＝I表示状态si处于状态I时观测值为oi的概率； 3.3、获取最终状态； 3.4、计算最优路径； 对状态依次进行回溯： 回溯完成后，按照时间先后顺序对其进行重新排列得到最终的状态序列s*＝{si*,i＝1,2,…,L}； 4、基于成分缩减的下采样； 4.1、对状态序列s*进行小波分解； 其中，为小波正交变换得到的小波系数，ψm,kt为分析小波的尺度变换和平移，m、k表示尺度和平移参数； 4.2、使用不同的m、k参数值对状态序列进行小波分解后，用阈值法将相应的小波系数中的小值置零，然后对状态序列s*进行还原，还原后再进行频谱分析，以确定最优的尺度参数m*； 4.3、以的下采样率对状态序列s*进行等间距下采样，得到最终的压缩数据。

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青岛明思为科技有限公司，其通讯地址为：266000 山东省青岛市李沧区金水路171号4号楼1-6层；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。