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！

龙图腾网获悉宝武装备智能科技有限公司申请的专利基于异常检测和分类算法的张力辊组故障预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：CN116429425B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310243146.8，技术领域涉及：G01M13/045；该发明授权基于异常检测和分类算法的张力辊组故障预测方法是由范中明;龚敬群;陆星瀚;吴杰;薛双松设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于异常检测和分类算法的张力辊组故障预测方法在说明书摘要公布了：本发明公开了一种基于异常检测和分类算法的张力辊组故障预测方法，本方法在张力辊组的电机和辊子两侧分别设置振动传感器，采集轴系不同测点和不同频率的振动数据，计算时频域数据、频带占比和趋势特征数据，通过聚类、异常和分类算法，结合故障检维修记录数据建模，经寻优形成最优故障识别模型，获取张力辊组实时最新的振动数据，调用最优故障识别模型，对实时振动数据进行预测，得出故障风险概率值。本方法采用降维和异常检测算法提取特征，保证特征与故障之间的强关联性，预先构建故障识别模型，提高了预测潜在故障的准确性和检维修决策的支持效率。

本发明授权基于异常检测和分类算法的张力辊组故障预测方法在权利要求书中公布了：1.一种基于异常检测和分类算法的张力辊组故障预测方法，其特征在于本方法包括如下步骤： 步骤一、在张力辊组的电机自由侧、负荷侧和辊子工作侧、操作侧的轴承座分别设置振动传感器，采集电机自由侧、负荷侧和辊子工作侧、操作侧的水平、垂直和轴向的加速度振动信号； 步骤二、获取故障发生时刻前3个月、故障发生到停机处理、故障处理后1个月的原始振动数据，对各个测点方向、不同信号类型的振动数据计算时域特征量，生成第一批特征数据；经傅里叶变换转换成频域信号，计算转频及分倍频谐波分量以及低频段频谱冲高峰值，采用连续小波计算频带能量占比，生成第二批特征数据，合并第一批特征数据，生成第三批特征数据； 步骤三、根据故障检维修记录对获取到的故障原因和步骤二提取的第三批特征数据进行标签化处理，从故障开始发生的时刻到故障开始处理之间的数据标记为1，故障处理后的数据标记为-1，故障发生前的数据标记为0.99到0.01之间的浮点数值； 步骤四、对故障发生前的第一批特征数据进行聚类分析，根据数据特征选择最优的划分类别数量，对第三批特征数据进行分类划分，生成第四批特征数据； 步骤五、对经步骤四分割的第四批特征数据分类进行特征数据转化，对特征数据进行对数处理；选择时间窗口，生成包含滑动计算移动分位数、均值和标准差，采用线性拟合方法计算斜率和截距，生成第五批特征数据； 步骤六、采用主成分分析法对第五批特征数据进行降维，降维后的数据为第六批特征数据； 步骤七、采用异常检测算法，计算第六批特征数据在故障开始发生时刻的阈值，根据阈值对第六批特征数据进行标签化处理，生成第七批特征数据； 步骤八、对第七批特征数据按每类分别划分为训练集、验证数据和测试集，采用LightGBM分类算法建立故障预警识别模型，故障预警识别模型输出为对测试集进行预测，得到类别和概率，作为衡量张力辊组是否存在潜在故障和故障风险的严重程度； 步骤九、采用贝叶斯网络对LightGBM分类算法的超参数进行寻优，包括：学习率、叶子节点数、节点深度、特征选择比例和样本选择比例超参数，训练出最优故障预警模型； 步骤十、获取张力辊组实时最新的振动信号数据，调用最优故障预警模型，对实时振动数据进行预测，得出故障风险概率值。

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宝武装备智能科技有限公司，其通讯地址为：201900 上海市宝山区同济路3520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。