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工业大学;哈尔滨工业大学重庆研究院申请的专利基于音频信号多维度敏感特征和S-ReXNet的电机故障检测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：CN119181377B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202411129025.1，技术领域涉及：G10L25/30；该发明授权基于音频信号多维度敏感特征和S-ReXNet的电机故障检测方法是由杜博超;李涛泳;黄琬;程远;崔淑梅设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本基于音频信号多维度敏感特征和S-ReXNet的电机故障检测方法在说明书摘要公布了：基于音频信号多维度敏感特征和S‑ReXNet的电机故障检测方法，它涉及一种电机故障检测方法。本发明为了解决现有电机故障检测方法不便于实时监测早期发现故障的问题。本发明通过采集音频信号来提取电机转子故障内部磁场畸变和轴承机械噪声的特征，再通过S‑ReXNet模型实现故障的实时诊断，最终实现了永磁同步电机转子和轴承故障诊断，对电机的可靠性以及高精度电机控制有重要意义。本发明属于电机技术领域。

本发明授权基于音频信号多维度敏感特征和S-ReXNet的电机故障检测方法在权利要求书中公布了：1.基于音频信号多维度敏感特征和S-ReXNet的电机故障检测方法，其特征在于，具体包括： 步骤1、采集数据；采集健康电机、永磁体退磁电机、转子动态偏心电机和轴承故障的不同转速和负载工况运行过程中的音频信号； 步骤2、处理音频信号； 步骤3、搭建卷积自编码器并预训练；搭建卷积自编码器对MDS特征谱图进行特征降维与压缩，在准确率和训练速度之间权衡寻找到最佳模型与优化方案； 在ReXNet网络已有模块基础上对其进行精简化改进，得到本文的精简ReXNet网络； MobileNetV2中使用的倒残差结构和线性瓶颈，以及SENet中提出的SE模块三个部分是构成轻量化神经网络的重要基础； 步骤4、搭建S-ReXNet网络； 步骤5、故障检测模型训练；将采样率为48000Hz的音频平均分割成80000个样本点的音频切片，按照25ms的帧宽、10ms步长进行分帧和加窗； 生成的MDS谱图分辨率不同，所以首先将原始谱图尺寸调整成3,224,224并归一化，经过卷积自编码器压缩为3,64,64的特征谱图，将压缩后的MDS特征图输入S-ReXNet模型，利用反向传播算法对网络参数进行更新； 步骤6、故障检测与性能评估。

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工业大学;哈尔滨工业大学重庆研究院，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。