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！

龙图腾网恭喜西安理工大学申请的专利一种基于DS证据理论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：CN114841262B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210465246.0，技术领域涉及：G06F18/2431；该发明授权一种基于DS证据理论的滚动轴承故障诊断方法是由谢国;高帆;穆凌霞;李艳恺;刘柏均;梁莉莉;费蓉;张春丽;韩宁;雷庆瑜;王博设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本一种基于DS证据理论的滚动轴承故障诊断方法在说明书摘要公布了：本发明公开了一种基于DS证据理论的滚动轴承故障诊断方法，首先导入滚动轴承的生命周期振动信号；采用经验模态分解EMD方法将振动信号分解为多个固有模态函数IMF分量，计算各IMF分量的样本熵；利用随机森林模型将IMF分量的样本熵作为特征向量进行训练得到基本概率分配BPA，使用三个诊断单元得到3组证据体；计算各个证据体间的距离，由距离大小确定证据间的支持度矩阵，将证据支持度矩阵中最大特征值对应的特征向量作为证据的权重向量，确定各证据的相对折扣因子来对证据进行修正，利用DS融合规则计算融合后的BPA，最终得到故障的分类结果。本发明解决了现有技术中存在的对于滚动轴承故障诊断方法准确率低的问题。

本发明授权一种基于DS证据理论的滚动轴承故障诊断方法在权利要求书中公布了：1.一种基于DS证据理论的滚动轴承故障诊断方法，其特征在于，具体按照以下步骤实施：步骤1、导入滚动轴承整个生命周期从正常状态到发生故障、最终完全失效的振动信号；步骤2、采用经验模态分解EMD将来源于滚动轴承上的多个同质传感器的振动信号分解为多个固有模态函数IMF分量，进一步计算各个IMF分量的样本熵并将其作为振动信号的特征向量；步骤3、选取由IMF分量样本熵构成的特征向量输入随机森林模型进行训练和分类，将随机森林的投票结果转化为证据，以得票数占决策树总数的比例作为基本概率分配BPA，并使用三个诊断单元得到3组证据体；所述步骤3具体按照以下步骤实施：步骤3.1、选择步骤2中前3个IMF分量的样本熵构成特征向量，将特征向量输入训练好的随机森林分类器并获得各类故障的投票结果；步骤3.2、假设需要分类识别的故障种类有l种，随机森林分类器的决策树总数为Nt，令θg表示第g种故障，g＝1,2,...,l，故障的识别框架表示为Θ＝θ1,θ2,...,θg，用vg表示采用随机森林进行分类时对故障θg的投票数，用mθg表示故障θg的基本概率分配BPA，由于随机森林所有的决策树都对每种故障进行投票，所以得到： 其中为识别框架中的空集，如果令： 可推出： 联立式6和式8，根据BPA的定义得到mθg即是故障θg的BPA，其中是故障种类得票数占决策树总数的比例；步骤3.3、把EMD和样本熵与随机森林相结合作为一个诊断单元，由每个诊断单元进行独立诊断，使用三个诊断单元对故障进行诊断，由第一个诊断单元得到故障θg的BPA为m1θg，由第二个诊断单元得到故障θg的BPA为m2θg，由第三个诊断单元得到故障θg的BPA为m3θg，最终把m1θg、m2θg、m3θg作为DS证据理论融合的3组证据体；步骤4、进行多源证据信息融合，首先根据得到的3组证据体，计算每两组证据体之间的距离，并且由距离大小确定证据之间的相互支持度矩阵，将证据支持度矩阵中最大特征值对应的特征向量作为证据的权重向量，然后确定各证据的相对折扣因子，并修正证据信息，用DS规则融合，计算融合后的BPA，最终做出决策得到故障的分类结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。