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！

龙图腾网恭喜北京卫星环境工程研究所申请的专利一种基于深度学习的超声电机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：CN114487821B 。

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：202210101229.9，技术领域涉及：G01R31/34；该发明授权一种基于深度学习的超声电机故障诊断方法是由秦泰春;苏新明;黄首清;李芳勇;周原;胡芳;姚泽民;王浩;李树鹏;马腾飞;唐学伟设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。

本一种基于深度学习的超声电机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深度学习的超声电机故障诊断方法，所述故障诊断方法包括离线建模和在线应用两个步骤，其中所述离线建模包括以下步骤：步骤一、收集正常及各故障模式下超声电机性能监测数据和环境监测数据；步骤二、对性能监测数据通道进行组合排布。本发明中，无需人为故障特征提取，采用端到端的方式，获得了深度学习故障诊断模型，可准确估计超声电机正常故障状态，利用卷积神经网络提取了各监测参数间的相关关系特征，利用循环神经网络提取了监测参数和时间的相关关系特征，具备准确的超声电机故障诊断能力，在现有验证数据上故障诊断准确率100％。

本发明授权一种基于深度学习的超声电机故障诊断方法在权利要求书中公布了：1.一种基于深度学习的超声电机故障诊断方法，其特征在于，所述故障诊断方法包括离线建模和在线应用两个步骤，其中所述离线建模包括以下步骤：步骤一、收集正常及各故障模式下超声电机性能监测数据和环境监测数据；步骤二、对性能监测数据通道进行组合排布；步骤三、建立基于卷积网络、循环网络和全连接网络的深度学习模型；步骤四、进行深度学习模型训练；步骤五、得到训练完成的深度学习模型，作为在线应用的输入；所述在线应用包括以下步骤：步骤六、实时采集超声电机性能监测数据和环境监测数据；步骤七、对性能监测数据通道进行组合排布；步骤八、采用离线阶段获取的深度学习模型对超声电机状态进行估计；步骤九、设备无故障则继续监测，若设备故障则报警并输出故障类型；所述步骤一中的超声电机故障模式包括压电陶瓷片开裂、摩擦片磨损、胶层松脱、弹性体断齿4种，采样样本应涵盖不同环境条件；所述步骤一及步骤六中的超声电机性能监测数据与环境监测数据，采样频率为500kHz，单次采样时间为5s；所述步骤一及步骤六中的超声电机性能监测数据为驱动电压、驱动电流、孤极反馈电压、驱动频率、内部温度、超声电机转速；所述步骤二及步骤七中的性能监测数据通道组合排布方法为：各性能监测数据两两组合作为一个通道，通道之间叠放。

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北京卫星环境工程研究所，其通讯地址为：100094 北京市海淀区友谊路104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”。