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！

龙图腾网获悉山东康吉诺技术有限公司申请的专利一种基于自适应的轴承故障检测方法及设备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：CN121637291B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610156503.0，技术领域涉及：G06F18/2431；该发明授权一种基于自适应的轴承故障检测方法及设备是由韩生永;孟越;卞万良;李华东;张海燕;杨智杰设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本一种基于自适应的轴承故障检测方法及设备在说明书摘要公布了：本申请公开了一种基于自适应的轴承故障检测方法及设备，属于轴承数据处理领域，方法包括：获取处于同一工况区间的目标轴承监测数据，进行振动频谱特征提取，得到目标特征向量；基于工况区间的历史基准数据集中各状态类别的聚类分布，得到与各状态类别的第一相似度；在第一相似度均低于相似度阈值时，确定目标特征向量表征一种未记录于第一历史基准数据集中的新未知状态；基于相邻工况区间的历史基准数据集中各状态类别的聚类分布，对目标特征向量进行跨工况聚类分布关联分析，得到与相邻工况区间下各状态类别的第二相似度，以确定轴承在工况区间下是否存在故障。能够自适应工况变化，有效识别特征发生迁移的已知故障，并自主发现新未知状态。

本发明授权一种基于自适应的轴承故障检测方法及设备在权利要求书中公布了：1.一种基于自适应的轴承故障检测方法，其特征在于，所述方法包括： 获取处于同一工况区间的目标轴承监测数据；目标轴承监测数据之间的采集时间间隔小于预设间隔阈值； 对所述目标轴承监测数据进行振动频谱特征提取，得到目标特征向量； 在基准工况区间知识库中，检索所述工况区间的第一历史基准数据集；所述第一历史基准数据集存储有已按状态类别完成聚类分析的历史特征向量； 基于所述第一历史基准数据集中各已知状态类别的聚类分布，计算所述目标特征向量到各类别聚类中心的度量距离，以得到所述目标特征向量与各已知状态类别的第一相似度； 在所述目标特征向量与各已知状态类别的第一相似度均低于预设相似度阈值时，确定所述目标特征向量表征一种未记录于所述第一历史基准数据集中的新未知状态； 在所述基准工况区间知识库中，检索所述工况区间的相邻工况区间的第二历史基准数据集；相邻工况区间是指在工况参数空间中，与工况区间中心点欧氏距离最小的工况区间； 基于第二历史基准数据集中各已知状态类别的聚类分布，对所述目标特征向量进行跨工况聚类分布关联分析，得到目标特征向量与相邻工况区间下各已知状态类别的第二相似度； 基于与相邻工况区间下各已知状态类别的第二相似度，对所述目标特征向量进行模式识别，以确定轴承在所述工况区间下是否存在故障； 基于所述第一历史基准数据集中各已知状态类别的聚类分布，计算所述目标特征向量到各类别聚类中心的度量距离，具体包括： 针对所述第一历史基准数据集中的每一已知状态类别，利用为类别学习的敏感投影模型，将目标特征向量投影至与当前状态类别最相关的物理模式所定义的低维敏感子空间；所述敏感投影模型是基于类别所有历史特征向量中的振动频谱特征学习得到的； 利用为类别学习的特征显著性权重向量，计算投影目标特征向量与预先投影的类别聚类中心之间的加权欧氏距离；特征显著性权重向量用于反映振动特征维度对识别特定模式的重要程度； 根据投影目标特征向量与各类别投影聚类中心之间的加权欧氏距离，得到所述目标特征向量到各类别聚类中心的度量距离； 利用为类别学习的敏感投影模型，将目标特征向量投影至与当前状态类别最相关的物理模式所定义的低维敏感子空间，具体包括： 利用敏感投影模型的多个窄带频率窗口，从所述目标特征向量中提取每个窄带频率窗口的特征；所述特征包括谱峰峰值、窗口总能量、谱峭度； 将所有窄带频率窗口的特征进行拼接，得到投影目标特征向量； 其中，敏感投影模型的学习过程，具体包括： 对类别所有历史特征向量中的振动频谱特征进行聚合分析，识别出在所述类别中稳定出现且能量显著高于背景噪声的频率点，以作为候选特征频率集；显著性条件是指频率点的幅值均值大于预设的噪声基线阈值的K倍，其中，K为大于1的常数；稳定性条件是指频率点的幅值标准差小于预设的绝对波动阈值； 基于类别对应的预设轴承物理模型，从所述候选特征频率集中筛选出与当前状态类别模式在物理机理上直接关联的目标特征频率，并确定所述目标特征频率的谐波与边带； 以所述目标特征频率、谐波、边带分别为中心，在频域上确定对应的窄带频率窗口； 所述方法还包括： 计算类别所有投影历史特征向量在每个维度上的类内离散度，以及类别投影聚类中心与其他类别投影聚类中心在每个维度上的类间可分离度； 针对每个维度，将类内离散度与类间可分离度之间的比值，作为维度的初始显著性得分； 将与目标特征频率、谐波相关的维度确定为目标维度； 按照预设的增益系数映射关系，提高所述目标维度的初始显著性得分，并降低非目标维度的初始显著性得分，以得到目标维度的显著性得分和非目标维度的显著性得分； 对目标维度的显著性得分和非目标维度的显著性得分进行归一化处理，以使得模长为1，得到该类别学习的特征显著性权重向量。

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山东康吉诺技术有限公司，其通讯地址为：262799 山东省潍坊市寿光市圣城街道农圣街与东升路交叉路口五星大厦A座9楼；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”。

以上内容由龙图腾AI智能生成。