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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華東交通大學申請的專利一種列車滾動軸承狀態(tài)識別方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120296701B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510780096.6，技術(shù)領(lǐng)域涉及：G06F18/27；該發(fā)明授權(quán)一種列車滾動軸承狀態(tài)識別方法及系統(tǒng)是由謝鋒云;王書蕾;邱英;宋成杰;?？?陳惠航;謝源威設(shè)計研發(fā)完成，并于2025-06-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種列車滾動軸承狀態(tài)識別方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供了一種列車滾動軸承狀態(tài)識別方法及系統(tǒng)，方法包括獲取列車滾動軸承的監(jiān)測數(shù)據(jù)，對監(jiān)測數(shù)據(jù)進行預處理，以得到處理數(shù)據(jù)；對處理數(shù)據(jù)進行數(shù)據(jù)均衡化處理，以得到均衡數(shù)據(jù)集；將均衡數(shù)據(jù)集劃分為第一數(shù)據(jù)集與第二數(shù)據(jù)集，對第二數(shù)據(jù)集進行模態(tài)區(qū)間化處理，以得到模態(tài)化數(shù)據(jù)；構(gòu)建種子替換深度遷移初始模型，將第一數(shù)據(jù)集輸入種子替換深度遷移初始模型中并對種子替換深度遷移初始模型進行優(yōu)化處理，以輸出優(yōu)化數(shù)據(jù)；基于優(yōu)化數(shù)據(jù)與模態(tài)化數(shù)據(jù)的區(qū)間確定列車滾動軸承運行狀態(tài)，本發(fā)明提升模型的泛化性能同時解決了模型數(shù)據(jù)需求量大的問題。

本發(fā)明授權(quán)一種列車滾動軸承狀態(tài)識別方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種列車滾動軸承狀態(tài)識別方法，其特征在于，包括： 獲取列車滾動軸承的監(jiān)測數(shù)據(jù)，對所述監(jiān)測數(shù)據(jù)進行預處理，以得到處理數(shù)據(jù)； 對所述處理數(shù)據(jù)進行數(shù)據(jù)均衡化處理，以得到均衡數(shù)據(jù)集； 將所述均衡數(shù)據(jù)集劃分為第一數(shù)據(jù)集與第二數(shù)據(jù)集，對所述第二數(shù)據(jù)集進行模態(tài)區(qū)間化處理，以得到模態(tài)化數(shù)據(jù)； 構(gòu)建種子替換深度遷移初始模型，將所述第一數(shù)據(jù)集輸入所述種子替換深度遷移初始模型中并對所述種子替換深度遷移初始模型進行優(yōu)化處理，以輸出優(yōu)化數(shù)據(jù)； 基于所述優(yōu)化數(shù)據(jù)與所述模態(tài)化數(shù)據(jù)的區(qū)間確定列車滾動軸承運行狀態(tài)； 所述對所述第二數(shù)據(jù)集進行模態(tài)區(qū)間化處理，以得到模態(tài)化數(shù)據(jù)的步驟包括： 基于區(qū)間特征量化公式對所述第二數(shù)據(jù)集進行模態(tài)區(qū)間化處理： ； 式中，X kn表示第k個模態(tài)分量對應數(shù)據(jù)集的模態(tài)區(qū)間形式，x kn、x kn-1、x kn+1表示第k個模態(tài)分量對應數(shù)據(jù)集內(nèi)第n、n-1、n+1個數(shù)據(jù)； 將第二數(shù)據(jù)集的模態(tài)區(qū)間形式進行轉(zhuǎn)換，以得到模態(tài)化數(shù)據(jù)： Xn=[xn，n]； 式中，xn表示數(shù)據(jù)集下界，n表示數(shù)據(jù)集上界； 所述構(gòu)建種子替換深度遷移初始模型，將所述第一數(shù)據(jù)集輸入所述種子替換深度遷移初始模型中并對所述種子替換深度遷移初始模型進行優(yōu)化處理，以輸出優(yōu)化數(shù)據(jù)的步驟包括： 構(gòu)建初始卷積神經(jīng)網(wǎng)絡模型，凍結(jié)淺層網(wǎng)絡，以保留通用特征提取能力，遷移深層參數(shù)，將所述初始卷積神經(jīng)網(wǎng)絡模型的源域數(shù)據(jù)作為目標域的初始參數(shù)； 使用凍結(jié)的淺層網(wǎng)絡提取源域數(shù)據(jù)的高維特征，對所述源域數(shù)據(jù)的高維特征進行聚類處理，以得到若干聚類簇； 將所述第一數(shù)據(jù)集對應的目標域標簽樣本與所述源域數(shù)據(jù)對應的源域樣本建立配對關(guān)系，并使用所述聚類簇內(nèi)的數(shù)據(jù)替代目標域標簽樣本，以得到第一優(yōu)化數(shù)據(jù)集； 確定融合損失函數(shù)L： ； 式中，L r為回歸損失，L BAD為邊際分布差異損失和正則化，和分別為第一、第二權(quán)衡參數(shù)，為正則化系數(shù)，W表示模型權(quán)重參數(shù)； 通過最小化所述融合損失函數(shù)L，并對所述第一優(yōu)化數(shù)據(jù)集進行更新，以得到第二優(yōu)化數(shù)據(jù)集； 對所述初始卷積神經(jīng)網(wǎng)絡模型的參數(shù)進行更新，以得到更新模型，基于所述更新模型對所述第二優(yōu)化數(shù)據(jù)集進行更新，以得到優(yōu)化數(shù)據(jù)； 所述基于所述優(yōu)化數(shù)據(jù)與所述模態(tài)化數(shù)據(jù)的區(qū)間確定列車滾動軸承運行狀態(tài)的步驟包括： 將所述優(yōu)化數(shù)據(jù)與所述模態(tài)化數(shù)據(jù)的區(qū)間利用模態(tài)區(qū)間大小比較法則進行對比，將模態(tài)區(qū)間最大值對應編碼所對應的運行狀態(tài)作為列車滾動軸承運行狀態(tài)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華東交通大學，其通訊地址為：330013 江西省南昌市經(jīng)濟技術(shù)開發(fā)區(qū)雙港東大街808號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。