一种基于物理信息神经网络的齿轮箱故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于物理信息神经网络的齿轮箱故障诊断方法。首先,在齿轮箱中布置振动信号采集系统,获取振动和角速度信号,建立有标签的实测数据集,并通过建立齿轮动力学模型,得到有标签的仿真数据集。然后,利用实测和仿真数据集训练长短期记忆网络(LSTM)构成的物理信息神经网络,以振动和角速度信号为输入,输出时变啮合刚度曲线。接着,将啮合刚度曲线数据提取特征,形成故障分类训练集,并利用该数据集训练支持向量机(SVM)模型。最终,将实际采集的振动数据输入物理信息神经网络和SVM模型,实现齿轮箱故障的准确诊断。
《一种基于物理信息神经网络的齿轮箱故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024117047193,当前法律状态为已下证,由浙江工业大学提出申请,发明人为刘祖斌;吴涛,申请日期为2024-11-26,公开(公告)日期为2025-10-10,国际专利分类号(IPC)为 G01M 13/021 (2019.01),高新资质:未报高企。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:本发明公开了一种基于物理信息神经网络的齿轮箱故障诊断方法。首先,在齿轮箱中布置振动信号采集系统,获取振动和角速度信号,建立有标签的实测数据集,并通过建立齿轮动力学模型,得到有标签的仿真数据集。然后,利用实测和仿真数据集训练长短期记忆网络(LSTM)构成的物理信息神经网络,以振动和角速度信号为输入,输出时变啮合刚度曲线。接着,将啮合刚度曲线数据提取特征,形成故障分类训练集,并利用该数据集训练支持向量机(SVM)模型。最终,将实际采集的振动数据输入物理信息神经网络和SVM模型,实现齿轮箱故障的准确诊断。
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!
