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！

龙图腾网恭喜四川轻化工大学申请的专利一种VMD-SCO-MCNN的智能化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：CN119202728B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411685537.6，技术领域涉及：G06F18/214；该发明授权一种VMD-SCO-MCNN的智能化轴承故障诊断方法是由唐宇峰;李家伟;曹睿;何俚秋;吕奇;熊娅伶;石砚秋;刘惺设计研发完成，并于2024-11-23向国家知识产权局提交的专利申请。

本一种VMD-SCO-MCNN的智能化轴承故障诊断方法在说明书摘要公布了：本发明提供了一种VMD‑SCO‑MCNN的智能化轴承故障诊断方法，属于故障诊断技术领域，其内容包括：获取轴承在正常及不同故障类型下的振动信号；采用变分模态分解方法VMD对振动信号进行预处理，分解并去除噪声后重构生成新信号；采用短时傅里叶变换STFT将新信号转化成为二维时频图像；采用鲨鱼合作优化算法SCO优化多尺度卷积神经网络MCNN的超参数；将二维时频图像输入优化超参数后的MCNN模型进行训练；将待诊断轴承故障诊断信号进行降噪及二维时频图像转化后，输入到VMD‑SCO‑MCNN模型中实现轴承故障诊断。本发明对提高轴承故障诊断准确率、指导设备维护维修具有十分重要的实际意义。

本发明授权一种VMD-SCO-MCNN的智能化轴承故障诊断方法在权利要求书中公布了：1.一种VMD-SCO-MCNN的智能化轴承故障诊断方法，其特征在于，包括以下步骤：步骤一：获取轴承在正常情况及不同故障类型下的待训练振动信号；步骤二：采用变分模态分解对振动信号进行降噪预处理，对信号分解、去噪、重构而生成新振动信号；步骤三：将新振动信号通过短时傅里叶变换转换为二维时频图像；步骤四：设置鲨鱼合作优化算法所需参数；所述鲨鱼合作优化算法所需参数，包括白鳍礁鲨个体数量M、鲨鱼领袖比例Mp，0Mp1，最大灰礁鲨数量SH，团队搜索范围Tp，0Tp0.1，最大移动步长比St，0St0.1，放弃追逐迭代次数D和放弃追逐比例DP，0DP0.3，最大迭代次数tmax；所述鲨鱼合作优化算法是一种全新的元启发式群智能搜索优化算法，该算法包含白鳍礁鲨和灰礁鲨两种不同类型个体相互协作，在初始化阶段后，其搜索步骤要反复计算六个关键阶段：1领袖选举；2生成灰礁鲨；3构建捕猎团队；4团队围捕：5追逐；6放弃追逐；在初始化阶段，随机生成M条白鳍礁鲨，其表达式为：Bi0＝lb+ub-lb×rand0,1其中，Bi代表第i条白鳍礁鲨个体的位置，上标0代表是初始化阶段，则Bi0代表第i条白鳍礁鲨在初始化阶段的位置；i＝1,2,…M，lb为搜索域的下限，ub为搜索域的上限，Bi0，lb，ub都是N维向量，其中N代表求解问题维度，rand0,1代表0～1之间的随机数组成的N维向量；1在领袖选举阶段，计算M条白鳍礁鲨的适应度值，选取适应度值最优的P条白鳍礁鲨作为领袖：P＝roundM×Mp其中，P为领袖白鳍礁鲨的数量，Mp为鲨鱼领袖比例，round函数代表对括号内的数值四舍五入取整数；2在生成灰礁鲨阶段，对于选举出来的P条领袖白鳍礁鲨，在每个领袖周围的团队搜索范围Tp内随机生成不同数量的灰礁鲨，灰礁鲨的数量与白鳍礁鲨领袖的适应度值有关，每个领袖周围生成的灰礁鲨的数量表示为：Sat＝SH×1-Fat-FmintFmaxt-Fmint其中，SH最大灰礁鲨数量，上标t代表当前循环的次数，Sat为第a条白鳍礁鲨领袖周围生成的灰礁鲨的数量，a＝1,2,…P，Fa是第a条白鳍礁鲨领袖的适应度值，Fmaxt和Fmint是a条白鳍礁鲨领袖中适应度值的最大值和最小值；而生成的每条灰礁鲨的位置为：Hajt＝BAat+ub-lb×rand0,1×Tp其中，Hajt代表第a条白鳍礁鲨领袖周边生成的第j条灰礁鲨的位置，BAat为第a条白鳍礁鲨领袖的位置，Hajt和BAat均是N维向量；3在构建捕猎团队阶段，对于白鳍礁鲨领袖，将该领袖以及由该领袖生成的灰礁鲨组成一个捕猎团队，对于非领袖的白鳍礁鲨，则由各白鳍礁鲨个体分别组成一个捕猎团队；4在团队围捕阶段，首先计算每个团队中每条鲨鱼的适应度值，其次计算每个团队的团队平均适应度值FTit和平均位置BSit，最后通过平均适应度值对比，得到适应度值最优团队的平均适应度值FTmint和平均位置BSmint，以及最差团队的平均适应度值FTmaxt；5在追逐阶段，首先，对于每个团队，该团队白鳍礁鲨位置移动至全队适应度值最优的位置；其次，对于非适应度值最优团队，该团队中的白鳍礁鲨会向着最优团队平均位置的方向进行移动，其移动的步长大小Di和团队平均适应度值有关：Dit＝St×ub-lb×FTit-FTmintFTmaxt-FTmint其中，St为最大移动步长比，则非最优团队的白鳍礁鲨位置会更新为：Bit+1＝Bit+Dit×BSmint-Bit其中，Bit+1为第t+1次循环第i条白鳍礁鲨个体的位置；最后，删除所有灰礁鲨；6在放弃追逐阶段，每经过D轮迭代次数，删除平均适应度值最差的M×DP条团队中的白鳍礁鲨，并在搜索域范围内，按照初始化阶段的方法重新生成M×DP条白鳍礁鲨，其中D为放弃追逐迭代次数，DP为放弃追逐比例；六个关键阶段计算完成后，判断是否完成迭代，若迭代完成，则搜索结束，输出最优位置，若迭代未完成，则进入下一轮迭代；步骤五：以二维时频图像为输入，通过鲨鱼合作优化算法优化多尺度卷积神经网络的超参数；步骤六：基于优化后的超参数，训练得到基于VMD-SCO-MCNN的智能化轴承故障诊断方法的轴承故障诊断模型；步骤七：将待诊断的故障诊断信号进行降噪预处理，通过短时傅里叶变换转化为二维时频图像，并将图像输入到训练好的变分模态分解-鲨鱼合作优化算法-多尺度卷积神经网络的轴承故障诊断模型中，实现轴承故障诊断。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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”。