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申请的专利一种基于多尺度特征增强与自适应特征选择的无监督故障诊断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：CN120654156B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510761402.1，技术领域涉及：G06F18/2433；该发明授权一种基于多尺度特征增强与自适应特征选择的无监督故障诊断方法及系统是由霍鑫;弭宝涵;何长春;刘晨涛;杜金明设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种基于多尺度特征增强与自适应特征选择的无监督故障诊断方法及系统在说明书摘要公布了：本发明提供了一种基于多尺度特征增强与自适应特征选择的无监督故障诊断方法及系统，属于工业设备故障诊断领域。为了解决现有的特征提取方法存在特征表征能力不足、特征尺度单一以及冗余特征干扰严重的问题。本发明通过分位数、四分位距及偏度等多维统计特征提取，结合信息最大冗余最小准则的自适应小波基选择，显著提升对故障信号多尺度特性的表征能力；引入余弦相似度加权的拉普拉斯评分与方差双阈值机制，有效剔除冗余特征；通过多尺度区间增强与自适应小波变换的协同设计，有效提取时频域特征，高维数据处理耗时相较于传统弹性距离方法明显下降，满足工业在线监测的实时性需求。

本发明授权一种基于多尺度特征增强与自适应特征选择的无监督故障诊断方法及系统在权利要求书中公布了：1.一种基于多尺度特征增强与自适应特征选择的无监督故障诊断方法，其特征在于，包括以下步骤： S100、获取工业设备运行状态时间序列数据集，将时间序列数据集划分为长度为n的等长时间序列样本； S200、对于步骤S100获取的多个长度为n的等长时间序列样本进行多尺度区间划分，在每个划分得到的区间上分别进行特征提取，得到工业设备运行状态原始时间序列特征集； 包括S210多尺度区间划分和S220区间特征提取， 在步骤S220区间特征提取中， 对经步骤S210划分得到的多尺度区间每个子区间提取分位数特征，通过四分位距对分位数进行中心化处理，提取偏度特征以表征区间数据分布的偏斜性，包括， 对于给定区间长度为nI=b-a+1的时间序列区间，在时间序列区间的位置处提取kq个分位数特征，所述区间分位数个数kq由区间长度nI和维度超参数v确定，； 提取时间序列区间的四分位距特征，四分位距为75%分位数和25%分位数的差值； 对提取的kq个分位数特征，每间隔一个分位数特征减去区间的四分位距特征进行中心化处理； 利用公式计算区间的偏度特征以表征区间数据分布的偏斜性，其中，表示区间的均值，表示区间的标准差，si表示时间序列区间的第i个样本点，i=a,a+1,…,b，skewSa:b表示时间序列区间的偏度特征；a、b分别表示区间起始点与终止点的样本点索引； 对于所有时间序列样本的偏度特征进行归一化，将所述归一化的偏度特征补充在利用四分位距隔位中心化的分位数特征序列后，得到时间序列区间的特征集； S300、对步骤S100获取的工业设备运行状态时间序列数据集进行序列特征增强，包括对步骤S100获取的工业设备运行状态时间序列进行一阶差分变换和小波变换，对于所述小波变换分别提取变换后的近似系数序列与细节系数序列，对于变换得到的时间序列进行如步骤S200所述的多尺度区间划分与特征提取，得到工业设备运行状态一阶差分序列特征集、近似系数序列特征集与细节系数序列特征集； S400、对步骤S200获取的工业设备运行状态原始时间序列特征集与步骤S300基于特征增强获取的工业设备运行状态一阶差分序列特征集、近似系数序列特征集与细节系数序列特征集进行特征融合与特征选择，得到筛选后的特征集； S500、对筛选后的特征集进行聚类分析，输出设备状态分类及故障预警信号。

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哈尔滨工业大学，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。