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！

龙图腾网恭喜淮阴工学院申请的专利基于嵌入HD-RCF的GR-SWPT小波包算法的电动机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：CN115291103B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210899124.2，技术领域涉及：G01R31/34；该发明授权基于嵌入HD-RCF的GR-SWPT小波包算法的电动机故障诊断方法是由戴峻峰;张冬阳;于之洋;魏友业设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。

本基于嵌入HD-RCF的GR-SWPT小波包算法的电动机故障诊断方法在说明书摘要公布了：本发明公开了一种基于嵌入HD‑RCF的GR‑SWPT小波包算法的电动机故障诊断方法，在电机空载稳定运行下，采集电机正常状态和故障状态下的振动信号及定子电流信号；设计混沌动力学滚降因子β，构建基于混沌动力学滚降因子的升余弦滤波器HD‑RCF；计算电机故障频率及带宽、上带限系数和下带限系数；利用HD‑RCF产生的基函数及固定路径方法，设计平稳小波包分解算法，实现对电机故障特征的提取；利用选择监督型径向基分类器对电机故障进行分类识别，采用两级距离判定方式来确定聚类中心。本发明通过简单的参数设置即可实现任意可调小波滤波器的产生；另外本发明在低采样率条件下完成，能够减少数据量，更适合构成在线嵌入式诊断系统，可以获得较好的诊断效果。

本发明授权基于嵌入HD-RCF的GR-SWPT小波包算法的电动机故障诊断方法在权利要求书中公布了：1.一种基于嵌入HD-RCF的GR-SWPT小波包算法的电动机故障诊断方法，其特征在于，包括以下步骤：1在电动机空载稳定运行下，采集电动机正常状态和故障状态下的振动信号及定子电流信号；2设计混沌动力学滚降因子β，构建基于混沌动力学滚降因子的升余弦滤波器HD-RCF；3计算电动机故障频率及带宽、上带限系数和下带限系数；4利用HD-RCF产生的基函数及固定路径方法，设计平稳小波包分解算法，实现对电动机故障特征的提取：通过改变HD-RCF的β和Ts参数实现小波包基函数；确定GR-SWPT小波分解的固定路径，利用GR-SWPT对电动机故障信号进行分解，获得电动机故障特征；5利用选择监督型径向基分类器对电动机故障进行分类识别，采用两级距离判定方式来确定聚类中心；所述步骤3实现过程如下：基于采集的电动机故障信号数据，计算电动机故障信号在0％，100％负载情况下的故障频率，并计算滤波器带宽BW： 其中，Ts为基带传输宽度，β为混沌动力学滚降因子；重新定义上带限系数Ub和下带限系数Lb，并用新的带宽系数来完成新的分解树的建立：定义电动机故障特征对应的定子电流频率定义式为： 其中，f0是电流基本分量，s是电动机滑动参数，k是分布f0两侧的故障谐波等级；在电动机负载为0％～100％范围内，根据来确定上带限系数和下带限系数，保证上带限系数和下带限系数覆盖的整个频率变化范围；步骤5所述采用两级距离判定方式来确定聚类中心实现过程如下：S1随机选取比较参数TT1，TT2，且保证TT1＞TT2；S2计算样本集数据的质心，再计算每个样本数据点与质心点的闵可夫斯基距离，将距离最近的数据点判定为第一个分类类别，在判定过程中，采用两级距离判定分类的方式，即设定闵可夫斯基距离参数P＝1与P＝2两种情况，从而获得两级距离对应的两个分类；设数据点P，Q的坐标为：P＝{x1,x2,…,xn}，Q＝{y1,y2,…,yn}，则P，Q间的闵可夫斯基距离定义如下： S3继续从集合中选取数据点，计算该选取的数据点到已产生类别点间的闵可夫斯基距离，若距离小于TT1，则将该点加入到已产生类中，若该选取的数据点到所有类别中心的闵可夫斯基距离都大于TT1，则将该选取的数据点作为一个新的类；S4如果该选取的数据点到类别质心的闵可夫斯基距离不仅小于TT1，而且小于TT2，则将该选取的数据点从集合中删去；S5完成其他点的距离判断，直到集合为空，算法结束；S6利用所获取的各个类别作为初始m个质心，并计算剩余所有样本到所有各个质心的闵可夫斯基距离；S7将剩余每个样本按照距离最小的原则分配给与之对应的质心，形成m个簇；S8根据每个簇的所有样本值的均值来更新每个簇的质心位置；S9重复S1至S8，直到所有的质心达到设定终止条件；S10比较闵可夫斯基距离在P＝1与P＝2情况下获得的两组质心位置：Zh1，Zh2，确定最终聚类中心的位置为：

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淮阴工学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘东路1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”。