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！

龙图腾网获悉浙江工业大学之江学院申请的专利基于改进连续变分模态分解的旋转机械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：CN114923686B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202210453565.X，技术领域涉及：G01M13/04；该发明授权基于改进连续变分模态分解的旋转机械故障诊断方法是由郭远晶;杨友东;姜少飞;金晓航设计研发完成，并于2022-04-27向国家知识产权局提交的专利申请。

本基于改进连续变分模态分解的旋转机械故障诊断方法在说明书摘要公布了：基于改进连续变分模态分解的旋转机械故障诊断方法，包括：S1：采集振动信号；S2：设置平衡参数α的变化范围和增大步长；S3：以α增大的每一步值执行连续变分模态分解SVMD；S4：计算每一步所得模态分量的能量位置指标值EP；S5：找出每一步的最小EP指标值及其对应目标模态分量的序号；S6：画出α与每一步最小EP指标值及目标模态分量序号之间的关系曲线；S7：找出α的最优值；S8：找出α最优值对应的目标模态分量序号；S9：以α最优值执行SVMD，选取最优目标模态分量；S10：提取故障特征频率，实现旋转机械故障诊断。本发明克服了现有的SVMD中平衡参数难以确定、目标模态分量难以选取的问题，可以方便有效地实现旋转机械故障诊断。

本发明授权基于改进连续变分模态分解的旋转机械故障诊断方法在权利要求书中公布了：1.基于改进连续变分模态分解的旋转机械故障诊断方法，包括以下步骤：S1：在旋转机械设备上，以fs为采样频率，采集一段长度为L的振动信号xt；S2：设置平衡参数α的变化范围为[αmin,αmax]，令α从αmin开始，以步长sα增大，增大到第i步时的值为：αi＝αmin+i-1·sαI其中，i＝1,2,3,…,Ns，Ns为α增大的总步数，且Ns＝αmax-αminsα+1；S3：以αi作为平衡参数，执行连续变分模态分解SVMD，得到多个模态分量uikt，其中k为模态分量的序号，k＝1,2,…,Ki，Ki为第i步连续变分模态分解SVMD所得的模态分量个数；S4：计算模态分量uikt的能量位置指标值EPik；S5：从Ki个能量位置指标值EPik中找出最小值minEPi及其对应目标模态分量的序号ONi；S6：根据最终得到的Ns个minEPi值，画出αi与minEPi之间的关系曲线，同时画出αi与ONi之间的关系曲线；S7：利用αi与minEPi之间的关系曲线，找出在平衡参数α增大的过程中，minEPi最小值所对应的α值，以该值作为平衡参数α的最优值αopt；S8：利用αi与ONi之间的关系曲线，找出αi取值为αopt所对应ONi的值ONT；S9：以αopt作为平衡参数α的值，执行连续变分模态分解SVMD，得到多个模态分量，从中选取第ONT个模态分量为最优目标模态分量uoptt；S10：计算最优目标模态分量uoptt的平方包络谱，提取故障特征频率，对旋转机械进行故障诊断；步骤S4、步骤S5中，模态分量的能量位置指标值计算包括以下步骤：S2-1：针对某一模态分量ut，计算其平方包络谱SESf，其中f表示频率；S2-2：对平方包络谱SESf进行归一化处理，得到归一化平方包络谱NSf，具体方法为： 其中，max[SESf]表示求平方包络谱SESf中的最大幅值；S2-3：利用归一化平方包络谱NSf计算故障特征频率成分的能量聚集性指标EC；S2-4：利用归一化平方包络谱NSf计算故障特征频率的位置精度指标PA；S2-5：计算模态分量ut对应的能量位置指标EP，公式为： 其中，p为调整系数，且0＜p≤1，β为平衡系数，β的计算公式为： 步骤S2-3、步骤S2-5中，故障特征频率成分的能量聚集性指标EC的计算，包括以下步骤：S4-1：对归一化平方包络谱NSf的幅值从大到小进行重新排列，得到重排的幅值序列SNSn，n＝1,2,…,N，其中N表示频率点数；S4-2：计算SNSn中第一个幅值与随后M个幅值之间差值的平均值，得到能量聚集性指标EC，公式为： 步骤S2-4、步骤S2-5中，故障特征频率的位置精度指标PA的计算，包括以下步骤：S5-1：找出归一化平方包络谱NSf中最大幅值所对应的频率值fma；S5-2：计算位置精度指标PA，公式为： 其中，C为旋转机械中所包含旋转零部件的个数，fj为各个旋转零部件的理论故障特征频率，j＝1,2,…,C。

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工业大学之江学院，其通讯地址为：312030 浙江省绍兴市柯桥区柯华路958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”。