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！

龙图腾网获悉电子科技大学申请的专利一种多工况下的减速器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：CN115358254B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202210561431.X，技术领域涉及：G06F18/2411；该发明授权一种多工况下的减速器故障诊断方法是由李波;石剑钧;洪涛;谢晓梅;李学生设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本一种多工况下的减速器故障诊断方法在说明书摘要公布了：本发明针对使用单一工况源域样本数据辅助迁移训练诊断模型性能不稳定的问题，提出一种多工况下的减速器故障诊断方法。该方法利用概率潜在语义分析模型挖掘不同工况下减速器故障振动信号之间的隐性特征，引入不同工况下多源域带标签的辅助特征样，构建基于故障特征词典的Fisher核函数,建立基于概率潜在语义分析的多源域迁移LSSVM故障诊断模型，提高诊断效果的稳定性，实现实际生产环境中多工况下减速器的故障诊断。

本发明授权一种多工况下的减速器故障诊断方法在权利要求书中公布了：1.一种多工况下的减速器故障诊断方法，该方法包括： 步骤1：根据概率潜在语义分析模型构建不同工况下减速器振动信号样本与故障特征之前的隐变量； 步骤1.1：定义概率潜在语义分析模型的相关变量； 减速器振动信号集为D＝{d1,d2,…,dN}，对应的减速器的故障类型集为W＝{w1,w2,…,wm}，“振动信号-故障类型”共现的联合频率矩阵为N＝{nd,w}，d,w表示减速器振动信号d的故障类型为w，nd,w表示特定的减速器振动信号d为故障类型w的频次，引入共享隐变量Z＝{z1,z2,…,zK}，在隐变量Z的条件下，振动信号集D与故障类型集W相互独立； 步骤1.2：生成联合分布样本； 根据振动信号D的概率分布Pd，从振动信号集D中随机选定N个样本d；在每个样本d下，根据条件概率Pz|d，从隐变量Z中随机选取一个主题z；然后在每个主题下，根据条件概率Pw|z，从故障类型集W中随机选取一个故障类型w，此时生成一个联合样本d,w； 得到整个共现样本集的生成概率为： 其中， N表示样本数目，nd,w表示特定的减速器振动信号d为故障类型w的频次，Pz表示隐变量的概率分布，Pd|z表示在选定隐变量为z的条件下，振动信号样本为d的概率； 步骤2：建立基于源域辅助迁移的LSSVM故障诊断模型yMulx为； 其中,Nt为第s种工况下的样本数目，λij和b为设定的模型参数，为第s种工况的分类超平面；为第t种工况的分类超平面，K·表示核函数，表示样本D中第i个故障特征样本且隶属于第t种工况；表示样本D中第i个故障特征样本且隶属于第s种工况； 步骤3：计算Pz、Pd|z以及Pw|z的值，使得在减速器振动信号d包含故障类型w时对应的生成概率Pd,w最大； 步骤3.1：构建最大似然函数； 步骤3.2：采用下式计算Pz、Pd|z以及Pw|z； 步骤3.3：将步骤3.1、步骤3.2中的公式和步骤2.2中的公式： 相结合，迭代计算，得到Pz,d＝Pd|zPz； 步骤4：构建故障特征词典； 首先根据原始减速器振动信号生成特征样本，然后对得到特征样本进行聚类，根据聚类结果构造特征词典； 步骤5：获取减速器振动信号及对应故障类型的样本数据，结合步骤2,3,4对步骤2的故障诊断模型进行训练，采用训练好的故障诊断模型实施检测减速器故障类型。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。