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！

龙图腾网恭喜江苏大学申请的专利一种脱粒低负荷和趋堵负荷状态诊断系统及方法和收获机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：CN114818821B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210502068.4，技术领域涉及：G06F18/2431；该发明授权一种脱粒低负荷和趋堵负荷状态诊断系统及方法和收获机是由马征;姜晟;李耀明;朱永乐;路恩;丁莲莲;吕长春设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本一种脱粒低负荷和趋堵负荷状态诊断系统及方法和收获机在说明书摘要公布了：本发明提供一种脱粒低负荷和趋堵负荷状态诊断系统及方法和收获机，包括信号采集模块、控制模块和执行模块；信号采集模块包括阻尼隔振单元和信号采集转换单元，阻尼隔振单元用于将脱粒分离装置产生的原始振动信号进行初步滤波，信号采集转换单元用于采集初步滤波的振动信号放大转换成频率信号进行二次滤波；控制模块包括信号存储单元和信号分析处理单元，信号存储单元用于将经过二次滤波后的振动信号进行片段划分并储存，形成短时特征集，信号分析处理单元用于对短时特征集分析处理，与预设工况进行对比，从而识别出实时的负荷状态，当低负荷状态或者为趋堵状态时，告警单元发出告警信号。本发明提升了负荷状态的诊断精度，提高工作效率并降低故障率。

本发明授权一种脱粒低负荷和趋堵负荷状态诊断系统及方法和收获机在权利要求书中公布了：1.一种脱粒低负荷和趋堵负荷状态诊断系统的方法，其特征在于，所述脱粒低负荷和趋堵负荷状态诊断系统，其特征在于，包括信号采集模块、控制模块和执行模块；所述信号采集模块包括阻尼隔振单元和信号采集转换单元，所述阻尼隔振单元用于将脱粒分离装置产生的原始振动信号进行初步滤波，信号采集转换单元用于采集初步滤波的振动信号放大转换成频率信号进行二次滤波；所述控制模块包括信号存储单元和信号分析处理单元，信号存储单元用于将经过二次滤波后的振动信号进行片段划分并储存，形成短时特征集，信号分析处理单元用于对短时特征集分析处理，与预设工况进行对比，从而识别出实时的负荷状态；所述执行模块包括显示单元和告警单元，所述显示单元用于显示当前负荷状态，所述告警单元用于根据控制模块的负荷状态发出告警信号，当负荷状态为低负荷状态或者为趋堵状态时，控制单元控制告警单元发出告警信号；该方法包括以下步骤：所述信号采集模块的阻尼隔振单元将脱粒分离装置产生的原始振动信号进行初步滤波，信号采集转换单元对采集的初步滤波振动信号进行放大并转换成频率后进行二次滤波；所述控制模块的信号存储单元将经过二次滤波后的振动信号进行片段划分并储存，构建短时特征集，信号分析处理单元对短时特征集分析处理，与预设工况进行对比，从而识别出实时的负荷状态；所述执行模块的显示单元显示当前负荷状态，当负荷状态为低负荷状态或者为趋堵状态时，控制单元控制告警单元发出告警信号；所述短时特征集的构建包括以下步骤：步骤S1、设脱粒分离装置外表面采集的第一组时序原始振动信号为X11、X12…X1n，第二组时序原始振动信号为X21、X22…X2n，…第M组时序原始振动信号为XM1、XM2…XMn，以此类推，累计采集M组时序原始振动信号，信号中高频随机噪声部分被阻尼隔振单元滤除，初步滤波的振动信号为Y11、Y12…Y1n，Y21、Y22…Y2n，…YM1、YM2…YMn以此类推，有M组初步滤波的振动信号；步骤S2、信号采集转换单元对采集的初步滤波振动信号进行放大并转换成频率后进行二次滤波输出的振动信号为Z11、Z12…Z1n，Z21、Z22…Z2n，…ZM1、ZM2…ZMn，依次类推，有M组二次滤波的振动信号；步骤S3、M组时序原始振动信号经滤波后的振动信号进入信号存储单元，被移动短时窗W1～Wm划分为m个时序片段；步骤S4、信号分析处理单元对短时窗W1～Wm进行时域特征指标提取，提取后的特征指标用S1～Sn表示，则构成了m个短时特征集；所述短时特征集中的样本包含5种不同工况的负荷状态：空载状态，低负荷状态，高负荷状态，趋堵状态，堵塞状态；所述短时特征集的分析处理包括以下步骤：步骤S1、搭建卷积神经网络框架，针对信号存储单元形成的短时特征集中不同工况的原始负荷状态的信号特征，通过卷积神经网络，实现特征提取、特征处理和负荷状态识别；步骤S2、构建多核信息注意力的特征关注模块，对影响决策性能的时域特征进行自适应关注，对干扰决策性能的冗余特征进行自适应弱化；步骤S3、在卷积神经网络框架的基础上，结合多核信息注意力的特征关注模块进行脱粒负荷状态诊断。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。