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！

龙图腾网获悉四川轻化工大学申请的专利一种改进H5N1-VMD-MFWA降噪的旋转机械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：CN121256335B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511820270.1，技术领域涉及：G06F18/213；该发明授权一种改进H5N1-VMD-MFWA降噪的旋转机械故障诊断方法是由唐宇峰;郑江;胡新承;阿海木沙;胡伟;邹鑫杰;郭际设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种改进H5N1-VMD-MFWA降噪的旋转机械故障诊断方法在说明书摘要公布了：本发明提供一种改进H5N1‑VMD‑MFWA降噪的旋转机械故障诊断方法，属于机械故障诊断技术领域，其内容包括：获取旋转机械正常和故障情况下的振动信号；以最小包络熵为适应度函数，采用改进禽流感病毒算法对变分模态分解进行参数寻优，得到最优参数[K,α]组合；基于最优参数对振动信号进行变分模态分解，通过分解得到K个本征模态函数分量；根据各分量的相关性系数、峭度和包络熵通过多特征加权注意力机制构建综合评价指标，赋予各分量权重并重构信号，对重构信号窗口分割并输入卷积神经网络模型完成故障诊断。本发明有效提升了故障诊断准确率，为机械设备安全运行提供了保障。

本发明授权一种改进H5N1-VMD-MFWA降噪的旋转机械故障诊断方法在权利要求书中公布了：1.一种改进H5N1-VMD-MFWA降噪的旋转机械故障诊断方法，其特征在于，包括以下步骤： 步骤S1：获取正常和不同类型故障的旋转机械振动信号； 步骤S2：以振动信号的最小包络熵作为适应度函数，采用改进禽流感病毒优化算法对变分模态分解的关键参数[K,α]进行优化搜索，从而获得最优参数组合； 步骤S3：基于所述最优参数组合[K,α]，对振动信号进行变分模态分解，得到K个本征模态函数分量； 步骤S4：计算各本征模态函数分量与原始信号的相关性系数、峭度及包络熵，利用多特征加权注意力机制确定各分量的权重，对评分指标进行归一化与加权融合，重构振动信号； 步骤S5：对重构后的振动信号进行窗口分割，并基于卷积神经网络模型对重构后的信号进行故障诊断； 步骤S2中，所述改进禽流感病毒优化算法，其步骤如下： 所述改进禽流感病毒优化算法在一个D维的搜索空间中，通过一个包含N个病毒个体的种群进行优化搜索；其中，D为大于零的整数，代表所述优化问题的维度；N为大于零的整数，代表病毒种群的规模；每个病毒个体的位置代表所述问题的一个候选解； 步骤S21：“初始化”阶段，设置病毒种群规模N与最大迭代次数T，采用均匀随机初始化方法：Xji=LB+UB-LB⊙Rji，初始化病毒种群并计算各病毒的适应度值，确定当前最佳个体位置以及适应度值； 其中，⊙是逐元素乘法，上标i代表病毒个体索引，i=1,2,…,N，下标j代表搜索问题空间维度D的索引，j=1,2,…,D，X代表N行D列的矩阵，其中Xji代表第i个病毒个体在第j个维度的位置分量，UB和LB是搜索空间上界和下界，R代表元素取值范围在[0~1]的N行D列的随机数矩阵，其中Rji是该矩阵中第i行第j列的数值分量； 步骤S22：“种群位置矩阵”构建阶段，基于多重随机置换的位置更新策略，构建三个随机重排的种群位置矩阵PMP1，PMP2和PMP3； 步骤S23：“选择”阶段，病毒将根据攻击概率Pattack选择攻击目标，若Pattack0.8，则病毒攻击家禽；否则，病毒攻击人类； 步骤S24：“判定”阶段，病毒根据适应概率Padapt判定宿主是否存活或环境是否有利于病毒生存：Padapt≥0.85时，则表示宿主死亡或环境不利，病毒将要逃离当前环境，进入“逃逸”阶段；Padapt0.85时，表示宿主存活或环境适宜，病毒位置将进行微调来适应宿主，位置更新方式如下： 当Pattack0.8且Padapt0.85时： X j i =PMP3ji+Rji⊙Xg,j-Xp,ji 当Pattack≥0.8且Padapt0.85时： X j i =Xji+0.5*Rj⊙PMPPMP+0.5*⊙g, 其中，PMPPMPPMP分别代表PMP1，PMP2和PMP3在第行第列的数值分量； 步骤S25：“逃逸”阶段，病毒将根据逃逸概率escape选择两种策略：若escape，则病毒执行突变策略；若escape，则执行扩散策略，其中为“逃逸”判定参数，生成方法为： ≥0.4，=0.7 当0.40.15，=0.5 当0.15≥=0.3 其中，为综合多样性，=0.7×sr+0.3×fr 其中，sr为空间多样性相对分散程度；fr为种群在解质量层面的相对差异程度，计算方法为： sr=meanstdp,maxUBLB fr=stdabsmean 其中，mean是求平均值；std是求标准差；abs是求绝对值；p,是第维的个体历史最优位置；是个体历史最优适应度值； “逃逸”阶段，病毒位置更新公式如下： attack0.8且adapt≥0.85且escapenew,⊙g, attack≥0.8且adapt≥0.85且escapenew,⊙g,p, mutate, =0.5**new,g,* escapespread,g,⊙new,g, 若执行了突变策略，则令=Xmutate, 若执行了扩散策略，则令=Xspread, 其中，g,是第维的全局最优个体位置，Xnew,是病毒个体在第维度上的逃逸中间位置；mutate,是病毒个体在第维度上变异生成的新位置；spread,是病毒个体在第维度上的传播生成的新位置，是全局最优适应度值，Pattack，Padapt，Pescape和r是0,1范围内随机数，c是指数衰减系数： c=r×e-4×tT ω是权重因子： ω=ω×ωd ω d =ωmin+ωmax-ωmin×e-tT 其中，t表示当前迭代次数，ωd表示权重的阻尼系数，ωmax和ωmin分别表示权重的最大值和最小值，ω的初始值为1； 步骤S26：每一代迭代结束后，计算当前所有病毒新位置的适应度值，并将新适应度值与个体历史最优值进行比较，若新适应度值更优，则更新个体历史最优位置和历史最优适应度值； 同时，基于概率性机制更新全局最优解，即仅当ps小于全局更新概率G，且存在个体适应度值优于全局最优适应度值时，才会更新全局最优位置和全局最优适应度值；其中，ps为0,1范围内随机数，全局更新概率G初始值为0，更新过程如下： G=11+e-10tT-0.5+r*1-G 其中，当迭代次数t达到T时，算法终止迭代并输出全局最优位置及其适应度值作为最优解；若迭代次数t未能达到T，则返回步骤S22，并重复执行步骤S22~步骤S26； 步骤S4中，所述利用多特征加权注意力机制确定各分量的权重，对评分指标进行归一化与加权融合，重构振动信号，其步骤如下： 步骤S41：根据分解的K个本征模态函数分量的相关性系数最大值、峭度的最大值、包络熵的最小值确定各指标的正理想参考基准，根据分解的K个IMF分量的相关性系数最小值、峭度的最小值、包络熵的最大值确定各指标的负理想参考基准； 步骤S42：对评价指标进行标准化处理，采用归一化方法将各指标统一映射到[0,1]区间，消除纲量影响： 归一化值=当前值-负理想基准正理想基准-负理想基准 步骤S43：设置三种权重：相关性系数权重、峭度权重和包络熵权重，并基于三种权重采用加权综合评分法计算每个本征模态函数分量的最终得分；其中，相关性系数权重+峭度权重+包络熵权重=1； 步骤S44：通过softmax函数将综合得分转换为注意力权重，实现得分的概率分布转换； 步骤S45：基于注意力权重对所有本征模态函数分量进行加权重构成新的信号。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。