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！

龙图腾网恭喜苏州大学申请的专利基于变参时频流形信号重构的旋转机械微弱故障检测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：CN114548155B 。

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：202210073180.0，技术领域涉及：G06F18/213；该发明授权基于变参时频流形信号重构的旋转机械微弱故障检测方法是由王俊;王玉琦;黄伟国;杜贵府;沈长青;何清波设计研发完成，并于2022-01-21向国家知识产权局提交的专利申请。

本基于变参时频流形信号重构的旋转机械微弱故障检测方法在说明书摘要公布了：本发明公开了一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，包括：步骤1、故障带内成分提取：步骤2、高维TFD矩阵构造：步骤3、TFM特征提取：步骤4、TFM特征去噪：步骤5、故障成分TFD重构：步骤6、故障成分时域信号重构。该技术方法至少具有以下优点：对不同机械振动信号的普适性好、计算效率高、信噪比高、能够定量分析故障严重程度等。

本发明授权基于变参时频流形信号重构的旋转机械微弱故障检测方法在权利要求书中公布了：1.一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，其特征在于，包括：步骤（1）、故障带内成分提取：采用传统信号处理方法从信号中提取故障所在频带内的成分；步骤（2）、高维TFD矩阵构造：对故障带内成分进行变参时频变换，对获得的每个TFD进行降采样并转换为列向量，用于构造高维TFD矩阵；步骤（3）、TFM特征提取：对高维TFD矩阵进行流形学习，获得两维TFM特征；步骤（4）、TFM特征去噪：根据两维TFM特征的联合幅值分布确定阈值，将两维TFM特征中低于阈值的幅值置零，获得去噪后的两维TFM特征；步骤（5）、故障成分TFD重构：把去噪后的两维TFM特征按照给定的权重进行加权求和，对得到的一维向量反变换为二维矩阵，得到重构的故障成分TFD；步骤（6）、故障成分时域信号重构：把重构的故障成分TFD上采样到原始尺寸，借用故障带内成分TFD对应的相位信息，通过逆时频变换重构故障成分时域信号；其中，步骤（1）中，所述传统信号处理方法能够确定故障信息所在的频带位置并提取出其中的信号成分，滤除故障频带以外的噪声；所述步骤（3）中，所述流形学习是具有维数约简功能的方法，所述流形学习包括局部切空间排列算法、等距映射算法、局部线性嵌入算法、拉普拉斯特征映射算法和局部保留投影算法；所述步骤（4）中，所述两维TFM特征的联合幅值分布是指把各数据点对应的第一维TFM特征作为横坐标、第二维TFM特征作为纵坐标，该图呈对勾状，对勾的左下部分中的点为噪声点，右上部分中的点为故障脉冲点；所述阈值是区分噪声点和故障脉冲点的临界点；所述步骤（5）中，所述给定的权重能够把重构的故障成分TFD的幅值达到所述步骤（2）中故障带内成分TFD的幅值水平，权重获取方法包括采用高维TFD矩阵中所有维数据的均值或者其中一维数据，分别与去噪后的两维TFM特征进行数学运算得到，所述数学运算方法包括计算欧式距离、内积和余弦相似度；所述重构的故障成分TFD的尺寸与故障带内成分TFD经过降采样后的尺寸相同；所述步骤（6）中，所述上采样是所述步骤（2）中所述降采样的逆变换；所述原始尺寸是所述步骤（2）中故障带内成分TFD的尺寸；所述故障带内成分TFD对应的相位信息是所述步骤（2）中故障带内成分在其中一个参数下经过时频变换得到的所有时频点的相位；所述逆时频变换是所述步骤（2）中时频变换的逆变换；其中，对重构信号做包络谱分析，通过是否识别旋转机械故障特征频率来检测是否存在故障。

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苏州大学，其通讯地址为：215000 江苏省苏州市十梓街1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”。