買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京理工大學;北京理工大學東南信息技術研究院申請的專利基于文本特征和卷積神經網絡的軸承壽命預測方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114186358B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111375216.2，技術領域涉及：G06F30/17；該發明授權基于文本特征和卷積神經網絡的軸承壽命預測方法及裝置是由朱柏康;黃河燕;楊晨設計研發完成，并于2021-11-19向國家知識產權局提交的專利申請。

本基于文本特征和卷積神經網絡的軸承壽命預測方法及裝置在說明書摘要公布了：本申請提供基于文本特征和卷積神經網絡的軸承壽命預測方法及裝置，方法包括：獲取待預測滾動軸承的時域振動數據；對時域振動數據進行降噪處理；對降噪后的時域振動數據經過傅里葉變化獲取頻域數據；提取頻域數據的頻域特征，以及對頻域數據進行編碼獲取文本特征；將頻域特征，以及文本特征輸入預先訓練好的神經網絡模型中，預測待預測滾動軸承的預測壽命。本申請提供的方法使用小波分解、重構的方法進行降噪，避免了閾值挑選的問題；本申請使用的文本特征作為新的退化指標，避免了傳統退化指標表征不全面的缺點；并將注意力機制應用到特征通道中，增強了卷積神經網絡中的特征關聯能力。

本發明授權基于文本特征和卷積神經網絡的軸承壽命預測方法及裝置在權利要求書中公布了：1.基于文本特征和卷積神經網絡的軸承壽命預測方法，其特征在于，所述方法包括： 獲取待預測滾動軸承的時域振動數據； 對所述時域振動數據進行降噪處理； 對降噪后的時域振動數據經過傅里葉變化獲取頻域數據； 提取所述頻域數據的頻域特征，以及對所述頻域數據進行編碼獲取文本特征； 將所述頻域特征，以及所述文本特征輸入預先訓練好的神經網絡模型中，預測所述待預測滾動軸承的預測壽命； 提取所述頻域數據的頻域特征，包括： 提取所述頻域數據的頻域特征，并進行平滑變換以及累計變換； 其中，所述頻域特征包括方差、偏度、峰度、最值以及裕度因子； 所述平滑變換利用S-G濾波函數； 其中累計變換采用的公式為： X＝[x1,x2,…,xi,…,xN] 其中，X是輸入數據的水平特征以及垂直特征，Si是i時刻的累計值，Ci是i時刻的累計變換值； 對所述頻域數據進行編碼獲取文本特征，包括： 頻域數據共N個樣本，每個樣本Di包含T個時間點，每個時間點為長度L的振動幅度數據； 將所述振動幅度數據的值域劃分成個j區間，統計每個樣本Di每個時間點包含的不同振幅的個數，將這j個區間視為j個不同的單詞wj，得到詞頻矩陣M； 通過以下方法構建詞頻特征； 對所述詞頻矩陣M進行奇異值分解，利用最大的奇異值重構矩陣，得到的低維特征矩陣M*作為詞頻特征； 通過以下方法構建詞頻-逆文本頻率特征： 所述詞頻矩陣M除以采樣頻率得到第一中間量M’； 所述第一中間量M’乘以歸一化的逆文本頻率，得到第二中間量M”，對所述第二中間量M”進行奇異值分解，利用最大的奇異值重構矩陣，得到的低維特征矩陣M^作為詞頻-逆文本頻率特征； 其中，詞頻-逆文本頻率包括詞頻系數及歸一化的逆文本頻率； 其中，詞頻-逆文本頻率＝詞頻系數*歸一化的逆文本頻率,歸一化的逆文本頻率的分母|j:wj∈Di|為包含單詞wj的樣本Di的數量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京理工大學;北京理工大學東南信息技術研究院，其通訊地址為：210094 江蘇省南京市孝陵衛200號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。