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！

龙图腾网获悉西安交通大学申请的专利基于残差神经网络的叶片固有频率辨识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：CN116050237B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211206716.8，技术领域涉及：G06F30/27；该发明授权基于残差神经网络的叶片固有频率辨识方法是由杨来浩;金若尘;杨志勃;胡华辉;田绍华;王景;王增坤;孙瑜;陈雪峰设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于残差神经网络的叶片固有频率辨识方法在说明书摘要公布了：公开了基于残差神经网络的叶片固有频率辨识方法，方法中，基于叶片振动确定叶端定时信号的频率识别范围，并将频率识别范围划分为多个等宽度的频带，同时将连续的频带离散化得到多个随机频率成分；基于随机频率成分生成与待识别信号具有相同传感器排布方式的仿真叶端定时信号；基于仿真叶端定时信号计算其自相关矩阵并重构为三维张量，以三维张量作为输入及其对应的频率成分作为标签，生成数据集；构建残差神经网络模型；利用不同频带的多组数据集分别训练多个神经网络模型作为多个不同频带下的频率估计模型；在时域分割实测的叶端定时数据并计算其自相关矩阵，将自相关矩阵构成的张量分别输入多个训练好的频率估计模型，最终得到频率估计结果。

本发明授权基于残差神经网络的叶片固有频率辨识方法在权利要求书中公布了：1.一种基于残差神经网络的叶片固有频率辨识方法，所述方法包括以下步骤： 第一步骤S1中，将I个叶端定时传感器按照每两个叶端定时传感器彼此间隔一角度、I个叶端定时传感器周向的排布方式排布于叶片，其中，叶片振动表示为多个复数频率信号和高斯噪声的叠加；基于叶片振动确定叶端定时信号的频率识别范围，并将所述频率识别范围划分为多个等宽度的频带，同时将连续的所述频带离散化； 第二步骤S2中，在多个频带内随机选取离散化频率值，基于所述随机频率值生成与待识别信号具有与第一步骤中相同的叶端定时传感器排布方式的仿真叶端定时信号； 第三步骤S3中，基于所述仿真叶端定时信号计算其自相关矩阵并重构为三维张量，以所述三维张量作为输入及其对应的频率成分作为标签，生成对应于各个频带的多组训练用数据集； 第四步骤S4中，构建残差神经网络模型，残差神经网络模型包括输入卷积层、残差模块、池化层和输出全连接层； 第五步骤S5中，利用不同频带的训练用数据集分别训练多个神经网络模型作为多个不同频带下的频率估计模型； 第六步骤S6中，在时域分割实测的叶端定时数据并计算其自相关矩阵，将自相关矩阵构成的张量分别输入多个训练好的频率估计模型，利用第五步骤中训练好的多个频率估计模型分别进行各个频带的频率估计，将叶端定时信号输入训练好的神经网络模型，提取叶端定时信号中叶片振动频率，最终得到频率估计结果； 其中，第二步骤S2中， 步骤S21，对于每一个独立的频带向量，随机选取个离散化的频率，生成个由个频率成分叠加的连续复频率信号； 步骤S22，基于待识别叶端定时信号的叶端定时传感器排布方式向量，式中， 为叶端定时传感器个数， 为相邻叶端定时传感器之间的夹角； 单个叶片旋转经过叶端定时传感器产生的采样序列： ，式中， 为叶片转速，表示叶盘半径， 根据采样序列，得到离散化的复频率信号： ，式中， i从1至K时，则有，分别表示仿真叶端定时信号中含有的个频率成份； 步骤S23，通过MATLAB中的函数awgn为离散化的仿真叶端定时信号中添加不同信噪比的高斯加性白噪声； 步骤S24，然后对添加过高斯加性白噪声的仿真叶端定时信号进行能量归一化： ， 式中，表示仿真叶端定时信号的长度，、分别表示信号的第个值和第个值的共轭； 第三步骤S3中， 步骤S31，重排所述仿真叶端定时信号构成信号矩阵： ， 其中为个长度为的叶端定时数据序列构成的信号矩阵， 通过直接从生成的仿真叶端定时信号中截取，仿真叶端定时信号的长度应该大于，表示一段信号快拍，其中表示信号快拍长度，表示快拍个数，且大于； 步骤S32，计算信号矩阵的自相关矩阵：，矩阵的各元素均为复数，将复数矩阵的实部、虚部与相位分别构成实数矩阵，之后拼接三个实数矩阵得到一个的三维实数张量： ， ， ， 以此计算其余个频率成份对应的张量，并将这些张量构成训练数据集作为残差神经网络模型输入； 步骤S33，利用Python工具包sklearn.preprocessing.StandardScaler模块对三维实数张量进行均值归一化处理； 步骤S34，基于信号矩阵所含的个频率成分，生成标签向量，标签向量的长度为，且其中有个元素为1，其余元素均为0；计算其余N个频率成份对应的标签，得到步骤S32中训练数据集对应的所有标签； 步骤S35,重复步骤S31至步骤S34计算其余个频带下对应的训练数据集与标签。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。