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！

龙图腾网恭喜大连理工大学申请的专利基于RCMRDE与JMIM特征选择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：CN114638251B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210093603.5，技术领域涉及：G06F18/241；该发明授权基于RCMRDE与JMIM特征选择的滚动轴承故障诊断方法是由李宏坤;刘艾强;陈钧;孙斌设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本基于RCMRDE与JMIM特征选择的滚动轴承故障诊断方法在说明书摘要公布了：本发明属于机械故障诊断与信号处理领域，提出了一种基于RCMRDE与JMIM特征选择的轴承故障诊断方法，步骤如下：利用加速度传感器采集滚动轴承加速度信号；将原始振动信号进行VMD分解；计算原始信号和分解后每个分量信号的RCMRDE值，作为原始故障特征集；采用JMIM特征选择算法对原始故障特征集进行特征选择，选择能够准确分类的敏感特征，构造低维故障特征集；根据选择的敏感分量，训练RF分类器，得到训练好的RF模型；将测试样本敏感故障特征集输入训练好的RF分类器，诊断得到故障类型。本发明克服了多尺度散布熵存在的不足，提高了故障特征的稳定性、噪声鲁棒性和信号区分能力，能够有效诊断滚动轴承不同的状态类型。

本发明授权基于RCMRDE与JMIM特征选择的滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于RCMRDE和JMIM特征选择的滚动轴承故障诊断方法，其特征在于，包括以下步骤：步骤S1:利用加速度传感器采集滚动轴承原始振动加速度信号，包括轴承正常状态、轴承外圈故障状态、轴承内圈故障状态和滚动轴承故障状态下传动轴径向振动加速度信号；步骤S2:将滚动轴承原始振动加速度信号进行VMD分解；步骤S3:计算滚动轴承原始振动加速度信号和分解后每个分量信号的RCMRDE值，作为原始故障特征集；步骤S4:采用JMIM特征选择算法对原始故障特征集进行敏感特征选择，构造比例为7:3的低维故障训练样本敏感特征集和低维故障测试样本敏感特征集；步骤S5:根据低维故障训练样本敏感特征集，训练RF分类器；得到的RF分类模型；步骤S6:将低维故障测试样本敏感特征集输入至训练好的RF分类模型，诊断故障类型；所述步骤S3中RCMRDE值具体求解为：3.1滚动轴承原始振动加速度信号和分解后每个分量信号均为时间序列，取时间序列X＝{xi,i＝1,2,...,T}，给定尺度因子τ，时间序列X的第k个粗粒化时间序列为： 3.2计算不同尺度因子下粗粒化序列的散布模式概率，对某个粗粒化时间序列利用正态分布函数得到正态化时间序列Y＝{yj,j＝1,2,...,N}，即 3.3通过线性变换，将Y映射成具有从1到C的整数索引的C类c为正整数； 3.4将进行重构，计算嵌入向量 其中，m为嵌入维数，d为时延；对应的散布模式为其中vj∈1,2,…,c,j＝1,2,…,m-1，散布模式由m个数字组成，每个数字有C种取法，一共有cm个散布模式；3.5计算每种散布模式的概率： 其中，πi表示第i种散布模式；3.6对于每个尺度因子τ，时间序列X的RCMRDE值为 为不同粗粒化序列的散布模式的平均值。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。