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！

龙图腾网获悉山东大学申请的专利基于油液特征的齿轮箱健康状态阶段识别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：CN121350892B 。

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：202511922738.8，技术领域涉及：G06F18/2431；该发明授权基于油液特征的齿轮箱健康状态阶段识别方法及系统是由刘全刚;刘欣宇;陈雅梅;王黎明;聂延艳设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本基于油液特征的齿轮箱健康状态阶段识别方法及系统在说明书摘要公布了：本发明属于机械装备磨损状态监测技术领域。提出了一种基于油液特征的齿轮箱健康状态阶段识别方法及系统，对获取的油液磨粒图像进行预处理，根据预处理后的油液磨粒图像，提取油液特征；根据油液特征以及预训练的长短期记忆神经网络模型，得到齿轮箱健康状态分类结果；长短期记忆神经网络模型的训练，包括：对每个油液磨粒图像样本的油液特征进行融合得到一维健康因子，根据各个油液磨粒图像样本的一维健康因子得到健康指数序列；对健康指数序列进行断点检测以得到三个断点，根据得到的断点对全部的油液磨粒图像样本添加健康状态标签。本发明能够自主完成磨损阶段的精准划分与演化趋势的捕捉，最终形成了超越人工经验的决策判断。

本发明授权基于油液特征的齿轮箱健康状态阶段识别方法及系统在权利要求书中公布了：1.一种基于油液特征的齿轮箱健康状态阶段识别方法，其特征在于，包括以下过程： 对获取的油液磨粒图像进行预处理，根据预处理后的油液磨粒图像，提取油液特征，所述油液特征包括磨损率、大磨粒占比、切削磨粒占比、疲劳磨粒占比以及氧化磨粒占比； 根据油液特征以及预训练的长短期记忆神经网络模型，得到齿轮箱健康状态分类结果；其中，长短期记忆神经网络模型的训练，包括： 对每个油液磨粒图像样本的油液特征进行融合得到一维健康因子，包括： ； 其中，，代表第个油液磨粒图像样本的第个油液特征的原始评分，代表第个油液磨粒图像样本的第个油液特征的原始评分，代表油液特征的总数量，代表第个油液磨粒图像样本的第个油液特征的权重，代表第个油液磨粒图像样本的第个油液特征，代表第个油液磨粒图像样本的一维健康因子； 根据各个油液磨粒图像样本的一维健康因子按时间得到健康指数序列； 采用基于L2损失的二进制分割，对健康指数序列进行断点检测以得到三个断点，包括： 健康指数序列视为完整段，遍历所有可能分割位置，对所有可能分割位置进行预分割，计算分割后两段的L2损失之和，包括： 其中，代表分割点处的损失值，代表分割点，将健康指数序列分为[]以及[]两段，代表健康指数序列的起始点，代表健康指数序列的结束点，代表第个油液磨粒图像样本的一维健康因子，代表[]内全部油液磨粒图像样本的一维健康因子的均值，代表[，]内全部油液磨粒图像样本的一维健康因子的均值；选择损失最小处为最优断点，直至得到三个断点；根据得到的断点对全部的油液磨粒图像样本添加健康状态标签，所述健康状态标签包括健康状态、早期磨损、严重磨损和失效状态。

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山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923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。