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！

龙图腾网恭喜上海电气集团数字科技有限公司申请的专利一种基于振动数据的机械设备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：CN113987697B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202111144024.0，技术领域涉及：G06F30/17；该发明授权一种基于振动数据的机械设备故障诊断方法是由周意龙;侯灵峰;梁为;黄猛;吴祎;程艳;王勇设计研发完成，并于2021-09-28向国家知识产权局提交的专利申请。

本一种基于振动数据的机械设备故障诊断方法在说明书摘要公布了：本发明提供一种基于振动数据的机械设备故障诊断方法，包含步骤：S1、同时采集机械设备故障时的多类振动数据，并依时序采样得到采样数据集；S2、根据设定的步长，基于采样数据集生成第一训练集和第一测试集，为第一训练集设置表示故障类型的标签，通过第一训练集训练用于判断机械设备故障的故障类型的双层LSTM神经网络；S3、基于采样数据集生成第二训练集和第二测试集，为第二训练集设置表示故障类型的标签，通过第二训练集训练用于判断机械设备故障类型的BP神经网络；S4、比较两个神经网络的判断准确率，选取判断准确率高的一个作为实际故障判断模型，通过实际故障判断模型基于实时采集的振动数据判断故障类型。

本发明授权一种基于振动数据的机械设备故障诊断方法在权利要求书中公布了：1.一种基于振动数据的机械设备故障诊断方法，其特征在于，包含步骤： S1、同时采集机械设备故障时的多类振动数据并去噪，依时序对所述多类振动数据采样，得到采样数据集； 所述采样数据集记为E，E＝{er}r∈[1,num]；num为采样的总次数；er＝{er′1,…,er′m}；er′p为第r次采样的第p类振动数据，p∈[1,m]，m为振动数据的类别总数； S2、根据设定的时间步长，基于所述采样数据集生成第一训练集和第一测试集；人工为第一训练集设置表示机械设备故障类型的标签；通过所述第一训练集、第一测试集训练双层LSTM神经网络；所述双层LSTM神经网络用于判断机械设备故障的故障类型；所述第一测试集用于验证训练好的LSTM神经网络； S3、基于所述采样数据集生成第二训练集和第二测试集；人工为第二训练集设置表示机械设备故障类型的标签；通过所述第二训练集训练BP神经网络，所述BP神经网络用于判断机械设备故障的故障类型；所述第二测试集用于验证训练好的BP神经网络； 步骤S3包含： S31、将作为第二训练集，作为第二测试集；n1∈[1,num]；令a作为训练次数，a的初值为1； S32、所述BP神经网络为三层结构，包含输入层、隐含层和输出层；输入层的节点数为m；输出层的节点数为N，输出层的一个节点对应一类机械设备故障；隐含层有B个节点； 第a次训练时，隐含层第j个节点的输入其中j∈[1,B]，wij为输入层第i个节点对隐含层第j个节点的连接权值、θj为隐含层第j个节点的阈值；e′ai为第a次采样的第i类振动数据，其对应输入层的一个节点； 隐含层第j个节点的输出为bj＝gSj，其中g·为Sigmoid函数； 输出层第k个节点的输入其中k∈[1,N]，wl′k为隐含层第l个节点对输出层第k个节点的连接权值、θk′为输出层第k个节点的阈值； 输出层第k个节点的输出yk＝gLk； S33、基于Adam优化算法更新wij、wl′k的权值，更新a为a+1；重复步骤S32至S33，当an1，完成对BP神经网络的训练，wij、wl′k停止更新，进入S34； S34、通过第一测试集验证训练好的BP神经网络； S4、比较双层LSTM神经网络、BP神经网络的判断准确率，从中选取判断准确率高的一个作为实际故障判断模型；通过实际故障判断模型基于实时采集机械设备振动数据判断机械设备故障类型。

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上海电气集团数字科技有限公司，其通讯地址为：200135 上海市浦东新区南汇新城镇环湖西二路888号A楼329室；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”。