買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜華北電力大學(xué)申請的專利基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN113850181B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111112808.5，技術(shù)領(lǐng)域涉及：G06F18/2431；該發(fā)明授權(quán)基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法是由張文廣;陸瑤;徐浩博;陳松;牛玉廣;王瑋設(shè)計研發(fā)完成，并于2021-09-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法在說明書摘要公布了：本發(fā)明公開了一種基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法；包括：原始振動信號采集；故障機(jī)理分析；變分模態(tài)分解VMD參數(shù)尋優(yōu)及分解；故障特征提?。粻顟B(tài)特征向量歸一化；特征向量編碼；脈沖神經(jīng)網(wǎng)絡(luò)SNN故障診斷。本分明采用海豚群算法對VMD參數(shù)尋優(yōu)，提升分解準(zhǔn)確率；以峭度?互信息熵為依據(jù)篩選對故障信息敏感的IMF分量，剔除分布規(guī)則差、沖擊成分少的故障特征敏感模態(tài)函數(shù)；采用多特征熵值算法在時頻域進(jìn)行故障特征提取，避免單一特征無法全面反映故障特征信息，為故障的準(zhǔn)確診斷提供保證；采用SpikeProp算法優(yōu)化SNN，具備非線性分類問題求解能力，使訓(xùn)練結(jié)果更加準(zhǔn)確。

本發(fā)明授權(quán)基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法在權(quán)利要求書中公布了：1.一種基于特征信息融合的燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)故障診斷方法，其特征在于，包括：步驟1、采集燃?xì)廨啓C(jī)進(jìn)口導(dǎo)葉系統(tǒng)振動信號數(shù)據(jù)并對數(shù)據(jù)進(jìn)行故障機(jī)理分析，得到故障時刻振動信號幅值的變化趨勢；步驟2、利用群體智能算法優(yōu)化變分模態(tài)分解的參數(shù)；步驟3、使用優(yōu)化后的參數(shù)對振動信號進(jìn)行變分模態(tài)分解，得到k個本征模態(tài)函數(shù)分量，以峭度-互信息熵為依據(jù)篩選對故障信息敏感的本征模態(tài)函數(shù)分量；步驟4、采用多特征熵值算法在時頻域進(jìn)行故障特征提取，構(gòu)造狀態(tài)特征向量，并對其進(jìn)行歸一化處理；步驟5、將歸一化后的特征向量編碼為脈沖時間序列，得到訓(xùn)練集；步驟6、將訓(xùn)練集輸入脈沖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，構(gòu)建脈沖神經(jīng)網(wǎng)絡(luò)模型，再采用SpikeProp算法優(yōu)化脈沖神經(jīng)網(wǎng)絡(luò)；步驟7、采樣進(jìn)口導(dǎo)葉系統(tǒng)故障數(shù)據(jù)并重復(fù)步驟2至步驟5得到能被脈沖神經(jīng)網(wǎng)絡(luò)模型識別的脈沖信號作為測試集；輸入至訓(xùn)練好的脈沖神經(jīng)網(wǎng)絡(luò)模型得到輸出神經(jīng)元的膜電壓，當(dāng)某個神經(jīng)元膜電壓到達(dá)閾值發(fā)出脈沖，而其他神經(jīng)元尚未達(dá)到閾值不發(fā)出脈沖時，得到待診斷振動信號的故障類別；所述步驟2中，利用群體智能算法中的海豚群算法對變分模態(tài)分解的參數(shù)進(jìn)行優(yōu)化，步驟2分為：設(shè)定模態(tài)分解個數(shù)k和懲罰因子α的參數(shù)范圍，對種群初始化；通過VMD分解信號得到多個本征模態(tài)函數(shù)分量，選取最小包絡(luò)熵為適應(yīng)度函數(shù)；再進(jìn)入搜索階段，找到個體最優(yōu)適應(yīng)度值；進(jìn)入呼叫和接收階段，找到鄰域最優(yōu)解；進(jìn)入捕食階段，個體向鄰域最優(yōu)解進(jìn)行位置更新，計算最優(yōu)適應(yīng)度值；當(dāng)滿足迭代次數(shù)要求時，輸出k和α的最優(yōu)解，其中適應(yīng)度函數(shù)Ffit公式為：Ffit＝minEen2式中，Een為包絡(luò)熵，表示分量信號的稀疏性；Een計算公式為： 式中，τs為振動信號Xt經(jīng)希爾伯特解調(diào)后的包絡(luò)信號；es為τs的歸一化值；s＝1,2,...,n。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華北電力大學(xué)，其通訊地址為：102206 北京市昌平區(qū)朱辛莊北農(nóng)路2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。