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！

龙图腾网恭喜燕山大学申请的专利自适应参数高斯卷积核神经网络的滚动轴承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：CN115184015B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210857939.4，技术领域涉及：G01M13/045；该发明授权自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法是由江国乾;王景;李英伟;李小俚;谢平;赵小川;李陈设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法在说明书摘要公布了：本发明涉及自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法，属于滚动轴承故障诊断类别领域，包括如下步骤：利用加速度计获取旋转设备中滚动轴承的振动信号，进行切片、求包络向量，并制作为数据集；将数据集的样本进行峭度值和平均偏度值计算，设计三种自适应参数的与轴承振动冲击信息特性相关的高斯卷积核；利用获得的三种自适应参数高斯卷积核设计自适应参数高斯卷积层进行特征提取，将得到的三个特征向量进行拼接得到新特征向量；将所获得的新特征向量输入到具有交叉熵损失函数的Softmax分类器中，并建立故障特征和故障类别之间的映射关系来实现故障诊断，提高故障诊断模型的训练效率和分类效果，增强模型的可靠性和可解释性。

本发明授权自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法在权利要求书中公布了：1.自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤： 步骤1：通过加速度计采集旋转轴承不同健康状态的一维时间序列形式的振动信号，将采集的振动信号进行分段切片，求出每段切片的包络向量并打标签作为样本，将全部样本制作为数据集； 步骤2：针对所述包络向量求峭度值和分段滑窗求平均偏度值，用于高斯卷积核参数的设定，得到三种参数自适应的高斯卷积核，基于所述三种参数自适应的高斯卷积核构建的自适应参数的高斯卷积层用于提取包络向量的三个故障特征向量并进行拼接得到新的故障特征向量； 步骤2包括如下步骤： 步骤21：将步骤1中得到的一维时间序列形式的包络向量计算峭度值k和分段滑窗计算平均偏度值 所述峭度值k计算表达式如下： 其中N为包络向量长度，Xi为包络向量第i个点的包络值，μ为包络向量的均值，σ为包络向量的标准差； 所述平均偏度值计算表达式如下: 其中H为分段滑窗窗口数量，h为分段滑窗窗口的长度，a为当前分段滑窗窗口的起始点，Xt为当前分段滑窗窗口内包络向量第t个点的包络值，μ′为当前分段滑窗窗口内包络向量的均值，σ′当前分段滑窗窗口内包络向量的为标准差； 步骤22：利用步骤21中求到的峭度值k和平均偏度值生成三种高斯卷积核的参数序列用于高斯卷积核的自适应参数设定，步骤2中所述高斯卷积核的参数序列生成表达式如下： 其中k为峭度值，为平均偏度值，参数q为卷积核长度，w为从1到q长度为q的整数序列，exp{}为e的幂次运算； 利用上述生成的三种高斯卷积核参数序列f1w、f2w、f3w，得到三种自适应参数的高斯卷积核； 步骤23：利用步骤22中设计得到的三种自适应参数的高斯卷积核构建三种自适应参数的高斯卷积层，对步骤1中所得到的数据集中的样本进行特征提取，提取三个故障特征向量，进行拼接得到新的故障特征向量； 步骤3：将步骤2中提取到的新的故障特征向量输入到具有交叉熵损失函数的Softmax分类器中，根据建立的故障特征和故障类别的映射关系，基于所述映射关系进行滚动轴承故障类别的诊断。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。