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！

龙图腾网获悉吉林大学申请的专利用于机械传动系统复合故障识别的自适应信号降噪分解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：CN115809399B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202211451572.2，技术领域涉及：G06F17/16；该发明授权用于机械传动系统复合故障识别的自适应信号降噪分解方法是由赫修智;周晓勤;王荣奇;刘强;韩昊忱;龚政;孟昊楠;姚国凤设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本用于机械传动系统复合故障识别的自适应信号降噪分解方法在说明书摘要公布了：本发明涉及用于机械传动系统复合故障识别的自适应信号降噪分解方法，属于机械振动信号处理与故障诊断技术领域。采用自回归模型自适应去除振动信号的谐波成分，通过构造滤波器组分解AR降噪振动信号，得到一系列模态，估计模态的故障周期，并借助盲解卷积理论自适应迭代更新滤波器和模态，依据多域相关性系数和故障周期一致性系数进行模态选择，依据加权平方包络谐波噪声比确定最优滤波器长度，对自适应降噪分解后得到的最优模态进行平方包络谱分析，最终实现复合故障识别。本发明可对机械传动系统振动信号进行自适应降噪分解，无需构造先验基函数和故障周期先验知识，显著提高了复合故障识别的准确性。

本发明授权用于机械传动系统复合故障识别的自适应信号降噪分解方法在权利要求书中公布了：1.一种用于机械传动系统复合故障识别的自适应信号降噪分解方法，其特征在于，包括如下步骤： 步骤1、获取振动信号数据：将振动加速度传感器安装在被测试机械设备传动装置的外壳体上，采集得到机械传动系统原始振动信号，标记为xn，其中，n=1,2,3，…，N，为振动信号的采样点数序列，N为总采样点数即信号长度； 步骤2、去除谐波干扰：采用自回归AR模型估计原始振动信号xn中的谐波成分，并根据公式1计算得到去除谐波干扰后的AR降噪振动信号en，实现对原始振动信号的自适应降噪处理； 1 其中，ap是AR模型中第p阶系数，q是AR模型的阶数； 步骤3、构造滤波器组并初始化：采用K个有限长单位冲激响应FIR滤波器构造一个滤波器组{fk,k=1,2,3,…,K}，其中，fk为第k个滤波器的向量表示形式，所述的滤波器组的具体构造形式为，将K个频带宽度均相等的滤波器，均匀分布于整个分析频带，且相邻2个滤波器所对应的频带宽度有50%的重合度；采用汉宁窗函数对所述的滤波器组进行初始化，设置滤波器组中K个滤波器的长度L均相等，滤波器长度范围为L∈[1,Lupper]； 步骤4、分解AR降噪振动信号en得到模态uk：应用步骤3所述的滤波器组{fk}对AR降噪振动信号en进行滤波，根据公式2采用特征矢量法分解得到K个模态{uk,k=1,2,3,…,K}： 2 其中，uk为第k个模态的向量表示形式，fk为滤波器组中第k个滤波器的向量表示形式，E为用于特征矢量法求解而构造的AR降噪振动信号的Toeplitz矩阵形式，分别表示如下： 3 步骤5、估计模态u的故障周期T：应用希尔伯特变换和自相关函数迭代估计模态u的故障周期T 步骤6、自适应迭代更新滤波器f和模态u：借助盲解卷积理论，以模态u的相关峭度最大化作为滤波器f自适应迭代更新的准则，根据AR降噪振动信号en和步骤5所述的故障周期T将模态u的相关峭度构造成广义瑞利商形式，并通过求解广义特征值问题自适应更新滤波器f和模态u 步骤7、判断滤波器f的迭代更新次数是否达到预先指定的迭代次数pre_iteration，如果是，得到最终更新后的模态u，否则重复执行步骤4至步骤6； 步骤8、模态选择：首先，计算自适应分解得到的每个模态的平方包络谐波噪声比、相关峭度和所有模态的相关峭度均值，将相关峭度低于均值的模态和平方包络谐波噪声比低于阈值SEHNR_limit的模态去除；然后，计算剩余模态中每两个模态之间的多域相关性系数和故障周期一致性系数，该多域相关性系数包括即时域相关系数、频谱正交性系数和平方包络谱正交性系数，去除多域相关性系数高于阈值Similarity_limit且故障周期一致性系数低于阈值period_limit的模态，保留剩余模态； 步骤9、计算保留剩余模态的加权平方包络谐波噪声比，并判断滤波器长度L是否到达预先指定的长度范围上限Lupper，如果是，执行步骤10，否则重复执行步骤4至步骤8； 步骤10、获得最优滤波器长度和最优模态：选取当模态的加权平方包络谐波噪声比数值最大时所对应的滤波器长度作为最优滤波器长度，此时对应的模态即为最优模态； 步骤11、故障特征分离提取与识别：对经过自适降噪分解后获得的最优模态即子信号进行平方包络谱分析，将所有子信号从时域转换至频域，分别得到所有子信号在平方包络谱上的频率分布情况，分离提取复合故障的特征频率，与机械传动系统关键部件的旋转特征频率进行比对，可最终检测出复合故障并识别出复合故障的位置。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。

以上内容由龙图腾AI智能生成。