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！

龙图腾网恭喜湘潭大学申请的专利基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承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：CN115452381B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202211198751.X，技术领域涉及：G01M13/045；该发明授权基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承故障诊断方法是由毛美姣;曾恺鑫;曾志;杨世平;谭志飞设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承故障诊断方法在说明书摘要公布了：本发明提出了一种基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承故障诊断方法，包括：采集滚动轴承正常运转和不同故障状态下的振动信号，获得不同工况下振动信号的数据集；对振动信号进行完全自适应噪声集合经验模态分解，以包络峭度为参数指标，得到新的重组信号；对重组信号进行变分模态分解，以局部最大包络谱峭度为参数指标，得到最终的信号；提取最终的信号的时频域特征熵值组成不同故障状态的状态特征向量矩阵，并输入长短期记忆网络中进行训练得到训练模型；收集测轴承的振动信号进行同样处理后输入模型中进行故障诊断。本发明有效地解决了强噪声干扰下振动信号诊断效果不好和大样本量运算缓慢的问题。

本发明授权基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承故障诊断方法在权利要求书中公布了：1.基于多重模态分解和长短期记忆网络的强噪声干扰下的滚动轴承故障诊断方法，其特征在于，包括下列步骤:a采集滚动轴承在正常运转和不同故障状态下不同故障程度的振动信号，对获得的振动信号进行分类，以获得包括正常运转和不同故障状态下振动信号的初始数据集；b对振动信号进行完全自适应噪声集合经验模态分解，得到多个本征模态函数分量，以包络峭度为参数指标，筛选出大于原始振动信号包络峭度的本征模态函数分量，并将其重组为新的振动信号；c对新的振动信号进行变分模态分解，得到多个新的本征模态函数分量，再以局部最大包络谱峭度为参数指标，筛选出拥有局部最大包络谱峭度的本征模态函数分量并将其作为最终的振动信号；d提取最终的振动信号的综合时频域特征熵值，生成不同故障状态的状态特征向量矩阵，该综合时频域特征熵值包括奇异谱熵、近似熵、样本熵、模糊熵、包络熵和多尺度散步熵；e构建滚动轴承长短期记忆网络模型，并将状态特征向量矩阵作为神经网络模型的输入，对应的故障状态标签作为滚动轴承长短期记忆网络的期望输出，对滚动轴承长短期记忆网络进行训练；f采集待检测滚动轴承的振动信号，采用步骤b、c、d中的相同的方法构造其状态特征向量矩阵；并将矩阵输入至步骤e训练好的滚动轴承长短期记忆网络模型中，得到当前滚动轴承的故障诊断结果。

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区湘潭大学；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”。