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！

龍圖騰網恭喜北京衛星環境工程研究所申請的專利一種基于深度學習的超聲電機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：CN114487821B 。

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：202210101229.9，技術領域涉及：G01R31/34；該發明授權一種基于深度學習的超聲電機故障診斷方法是由秦泰春;蘇新明;黃首清;李芳勇;周原;胡芳;姚澤民;王浩;李樹鵬;馬騰飛;唐學偉設計研發完成，并于2022-01-27向國家知識產權局提交的專利申請。

本一種基于深度學習的超聲電機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深度學習的超聲電機故障診斷方法，所述故障診斷方法包括離線建模和在線應用兩個步驟，其中所述離線建模包括以下步驟：步驟一、收集正常及各故障模式下超聲電機性能監測數據和環境監測數據；步驟二、對性能監測數據通道進行組合排布。本發明中，無需人為故障特征提取，采用端到端的方式，獲得了深度學習故障診斷模型，可準確估計超聲電機正常故障狀態，利用卷積神經網絡提取了各監測參數間的相關關系特征，利用循環神經網絡提取了監測參數和時間的相關關系特征，具備準確的超聲電機故障診斷能力，在現有驗證數據上故障診斷準確率100％。

本發明授權一種基于深度學習的超聲電機故障診斷方法在權利要求書中公布了：1.一種基于深度學習的超聲電機故障診斷方法，其特征在于，所述故障診斷方法包括離線建模和在線應用兩個步驟，其中所述離線建模包括以下步驟：步驟一、收集正常及各故障模式下超聲電機性能監測數據和環境監測數據；步驟二、對性能監測數據通道進行組合排布；步驟三、建立基于卷積網絡、循環網絡和全連接網絡的深度學習模型；步驟四、進行深度學習模型訓練；步驟五、得到訓練完成的深度學習模型，作為在線應用的輸入；所述在線應用包括以下步驟：步驟六、實時采集超聲電機性能監測數據和環境監測數據；步驟七、對性能監測數據通道進行組合排布；步驟八、采用離線階段獲取的深度學習模型對超聲電機狀態進行估計；步驟九、設備無故障則繼續監測，若設備故障則報警并輸出故障類型；所述步驟一中的超聲電機故障模式包括壓電陶瓷片開裂、摩擦片磨損、膠層松脫、彈性體斷齒4種，采樣樣本應涵蓋不同環境條件；所述步驟一及步驟六中的超聲電機性能監測數據與環境監測數據，采樣頻率為500kHz，單次采樣時間為5s；所述步驟一及步驟六中的超聲電機性能監測數據為驅動電壓、驅動電流、孤極反饋電壓、驅動頻率、內部溫度、超聲電機轉速；所述步驟二及步驟七中的性能監測數據通道組合排布方法為：各性能監測數據兩兩組合作為一個通道，通道之間疊放。

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北京衛星環境工程研究所，其通訊地址為：100094 北京市海淀區友誼路104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”。