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！

龍圖騰網恭喜西安理工大學申請的專利一種基于DS證據理論的滾動軸承故障診斷方法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：CN114841262B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202210465246.0，技術領域涉及：G06F18/2431；該發明授權一種基于DS證據理論的滾動軸承故障診斷方法是由謝國;高帆;穆凌霞;李艷愷;劉柏均;梁莉莉;費蓉;張春麗;韓寧;雷慶瑜;王博設計研發完成，并于2022-04-29向國家知識產權局提交的專利申請。

本一種基于DS證據理論的滾動軸承故障診斷方法在說明書摘要公布了：本發明公開了一種基于DS證據理論的滾動軸承故障診斷方法，首先導入滾動軸承的生命周期振動信號；采用經驗模態分解EMD方法將振動信號分解為多個固有模態函數IMF分量，計算各IMF分量的樣本熵；利用隨機森林模型將IMF分量的樣本熵作為特征向量進行訓練得到基本概率分配BPA，使用三個診斷單元得到3組證據體；計算各個證據體間的距離，由距離大小確定證據間的支持度矩陣，將證據支持度矩陣中最大特征值對應的特征向量作為證據的權重向量，確定各證據的相對折扣因子來對證據進行修正，利用DS融合規則計算融合后的BPA，最終得到故障的分類結果。本發明解決了現有技術中存在的對于滾動軸承故障診斷方法準確率低的問題。

本發明授權一種基于DS證據理論的滾動軸承故障診斷方法在權利要求書中公布了：1.一種基于DS證據理論的滾動軸承故障診斷方法，其特征在于，具體按照以下步驟實施：步驟1、導入滾動軸承整個生命周期從正常狀態到發生故障、最終完全失效的振動信號；步驟2、采用經驗模態分解EMD將來源于滾動軸承上的多個同質傳感器的振動信號分解為多個固有模態函數IMF分量，進一步計算各個IMF分量的樣本熵并將其作為振動信號的特征向量；步驟3、選取由IMF分量樣本熵構成的特征向量輸入隨機森林模型進行訓練和分類，將隨機森林的投票結果轉化為證據，以得票數占決策樹總數的比例作為基本概率分配BPA，并使用三個診斷單元得到3組證據體；所述步驟3具體按照以下步驟實施：步驟3.1、選擇步驟2中前3個IMF分量的樣本熵構成特征向量，將特征向量輸入訓練好的隨機森林分類器并獲得各類故障的投票結果；步驟3.2、假設需要分類識別的故障種類有l種，隨機森林分類器的決策樹總數為Nt，令θg表示第g種故障，g＝1,2,...,l，故障的識別框架表示為Θ＝θ1,θ2,...,θg，用vg表示采用隨機森林進行分類時對故障θg的投票數，用mθg表示故障θg的基本概率分配BPA，由于隨機森林所有的決策樹都對每種故障進行投票，所以得到： 其中為識別框架中的空集，如果令： 可推出： 聯立式6和式8，根據BPA的定義得到mθg即是故障θg的BPA，其中是故障種類得票數占決策樹總數的比例；步驟3.3、把EMD和樣本熵與隨機森林相結合作為一個診斷單元，由每個診斷單元進行獨立診斷，使用三個診斷單元對故障進行診斷，由第一個診斷單元得到故障θg的BPA為m1θg，由第二個診斷單元得到故障θg的BPA為m2θg，由第三個診斷單元得到故障θg的BPA為m3θg，最終把m1θg、m2θg、m3θg作為DS證據理論融合的3組證據體；步驟4、進行多源證據信息融合，首先根據得到的3組證據體，計算每兩組證據體之間的距離，并且由距離大小確定證據之間的相互支持度矩陣，將證據支持度矩陣中最大特征值對應的特征向量作為證據的權重向量，然后確定各證據的相對折扣因子，并修正證據信息，用DS規則融合，計算融合后的BPA，最終做出決策得到故障的分類結果。

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西安理工大學，其通訊地址為：710048 陜西省西安市碑林區金花南路5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”。