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！

龙图腾网获悉浙江大学申请的专利一种强干扰下旋转机械特征频率提取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：CN115541233B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202210997304.4，技术领域涉及：G01M13/028；该发明授权一种强干扰下旋转机械特征频率提取方法是由童哲铭;刘浩设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本一种强干扰下旋转机械特征频率提取方法在说明书摘要公布了：本发明属于大数据学习模型领域，提供一种强干扰下旋转机械特征频率提取方法，基于设置的参考模态相关性粗略定位VMD分解中最优平衡参数α最优所在区间，结合麻雀搜索寻优算法对每次分解的平衡参数α进行局部寻优。本发明通过迭代分解次数自适应确定分解模数K，采用的改进递归VMD方法避免了提前不准确预设分解数和平衡参数对分解效果的影响。将本发明应用在构造的仿真信号中实现了VMD方法所能达到的最优分解效果，同时应用在泵空化流致振动信号处理中，成功实现了低信噪比条件下流体机械流致振动特征频率的有效提取。

本发明授权一种强干扰下旋转机械特征频率提取方法在权利要求书中公布了：1.一种强干扰下旋转机械特征频率提取方法，其特征在于，包括： S1：将采集到的振动信号设置为残差信号，对残差信号执行VMD操作； S2：设置参考模态uref，并计算参考模态uref的峭度 S3：设置平衡参数α的标定测试点，并对每个标定测试点进行VMD分解后，计算其分解模态u′与参考模态的信号序列uref之间的相关参数； S4：通过判断相关系数减少平衡参数α的标定测试点数量进一步缩小最优平衡参数α最优所在区间，减少不必要的VMD操作； S5：根据分解信号的特征细化平衡参数α的寻优区间； S6：确定寻优的适应度函数； S7：在细化后的平衡参数α的寻优区间内采用麻雀搜索优化算法来选择目标模态的最优平衡参数α最优； S8：利用步骤S7中寻找的最优平衡参数α最优的值以及设置分解模数K＝1进行VMD操作，提取唯一的分解模态为ue′； S9：残差信号去除步骤S8中提取的唯一的分解模态ue′后形成新的残差信号； S10：利用步骤S8中提取的唯一的分解模态ue′进行信号重构； S11：基于重构信号和原始信号之间的功率谱相似性来判断是否继续进行下一次的模态分解的迭代。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。