一种改进SCSO-CNN-BiLSTM的旋转机械故障诊断方法
发明专利本发明提供了一种改进SCSO‑CNN‑BiLSTM的旋转机械故障诊断方法，属于旋转机械故障诊断技术领域，其内容包括：输入旋转机械振动信号；利用变分模态分解方法（VMD）分解旋转机械振动信号，去除残差并重构生成新振动信号；将新振动信号通过短时傅里叶变换（STFT）转换为二维时频图像；基于改进沙猫群优化算法（SCSO）优化卷积神经网络（CNN）‑长短时记忆神经网络（BiLSTM）的超参数，包括卷积层神经元个数、卷积核大小、BiLSTM层神经元个数；将二维时频图像输入优化超参数后的CNN‑BiLSTM模型，实现旋转机械故障诊断。
《一种改进SCSO-CNN-BiLSTM的旋转机械故障诊断方法》是一发明专利，专利号为 2024108830540，当前法律状态为已下证，由四川轻化工大学提出申请，发明人为唐宇峰;周帅;李德心;曹睿;李文杰;何俚秋，申请日期为2024-07-03，公开（公告）日期为2024-09-17，国际专利分类号（IPC）为 G06F 18/2431 (2023.01)，高新资质：未报高企，所属技术领域包括：智能运维 / 工业设备故障诊断 / 人工智能+机械。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提供了一种改进SCSO‑CNN‑BiLSTM的旋转机械故障诊断方法，属于旋转机械故障诊断技术领域，其内容包括：输入旋转机械振动信号；利用变分模态分解方法（VMD）分解旋转机械振动信号，去除残差并重构生成新振动信号；将新振动信号通过短时傅里叶变换（STFT）转换为二维时频图像；基于改进沙猫群优化算法（SCSO）优化卷积神经网络（CNN）‑长短时记忆神经网络（BiLSTM）的超参数，包括卷积层神经元个数、卷积核大小、BiLSTM层神经元个数；将二维时频图像输入优化超参数后的CNN‑BiLSTM模型，实现旋转机械故障诊断。
海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！
