广东海洋大学廖志强获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉广东海洋大学申请的专利一种船舶柴油机故障检测方法、装置、设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119783024B 。
龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411834400.2,技术领域涉及:G06F18/25;该发明授权一种船舶柴油机故障检测方法、装置、设备及存储介质是由廖志强;梁观龙;宋雪玮;贾宝柱;尹建川;黄振德设计研发完成,并于2024-12-12向国家知识产权局提交的专利申请。
本一种船舶柴油机故障检测方法、装置、设备及存储介质在说明书摘要公布了:本说明书实施例公开了一种船舶柴油机故障检测方法、装置、设备及存储介质,涉及故障检测处理技术领域。方案包括:获取船舶柴油机的多组待测振动信号;利用辛几何模态分解算法对船舶柴油机的多组待测振动信号进行分解,利用多模态融合算法进行融合后,得到待测图像集,计算待测图像集中的目标待测图像与标准图像集中的图像的相似度,确定目标待测图像对应的船舶柴油机是否存在故障,通过将辛几何模态分解算法与多模态融合算法相结合得到的待测图像与标准图像进行对比,可以实现准确、高效地对柴油机进行故障检测。
本发明授权一种船舶柴油机故障检测方法、装置、设备及存储介质在权利要求书中公布了:1.一种船舶柴油机故障检测方法,其特征在于,包括: 获取船舶柴油机的多组待测振动信号;所述多组待测振动信号是通过使用加速度传感器采集船舶柴油机运行状态下的振动信号,以预设时间段内的振动信号作为一组,采集得到的不同工况下的多组振动信号; 利用辛几何模态分解算法对所述多组待测振动信号进行分解,得到若干个模态信号; 利用多模态融合算法对若干个所述模态信号进行融合,得到待测图像集,具体包括:基于自适应最大谱熵法,从所述若干个所述模态信号中选择目标模态信号;利用多模态融合算法对所述目标模态信号进行融合,得到待测图像集;所述自适应最大谱熵法为经傅里叶转换后计算每个模态信号的谱熵,自适应选择最大的谱熵;通过比较不同模态信号的熵值,选择包含最多信息或最不确定的模态信号作为目标模态信号,将目标模态信号融合成一个融合后的图像,包含来自不同模态信号的互补信息;对每组待测振动信号进行分解,得到若干个模态信号,利用自适应最大谱熵法从每组待测振动信号对应的若干个模态信号中选择预设数量的模态信号作为目标模态信号;通过多模态融合算法对每组待测振动信号对应的目标模态信号进行融合,得到每组待测振动信号转换后对应的待测图像,将所有待测图像组合成待测图像集;具体选择最优的6个模态信号作为目标模态信号,在得到d组初始单信号分量中,选取6个最优模态信号,公式为: ; 其中,为傅里叶变换后的系数,为输入信号,为复数项,argmaxSi为最大数值索引; 将得到的中的每个模态中的数据点通过多模态融合算法进行融合,多模态融合公式为: , 其中,,G为第G个模态,为第G个模态的第个数据点在极坐标轴上的半径,为第G个模态的第个点的幅值,为G个模态的一维时域信号的最小幅值,为G个模态的一维时域信号的最大幅值,为第G个模态沿顺时针旋转角度,为第G个模态沿逆时针旋转角度,g为放大因子; 获取所述船舶柴油机的多组正常振动信号和多组异常振动信号;利用辛几何模态分解算法对所述多组正常振动信号进行分解,得到若干个正常模态信号;利用辛几何模态分解算法对所述多组异常振动信号进行分解,得到若干个异常模态信号;利用多模态融合算法对若干个所述正常模态信号进行融合,得到正常图像集;利用多模态融合算法对若干个所述异常模态信号进行融合,得到异常图像集;将所述正常图像集和所述异常图像集组合,得到标准图像集;确定所述待测图像集中的目标待测图像与标准图像集中的第一正常图像进行比对的第一正常相似度,以及所述目标待测图像与所述标准图像集中的第一异常图像的第一异常相似度; 当确定所述第一正常相似度小于所述第一异常相似度时,确定所述目标待测图像对应的所述船舶柴油机存在故障,具体包括:确定所述待测图像集中的目标待测图像与所述正常图像集中的第二正常图像进行比对的第二正常相似度,以及所述目标待测图像与所述异常图像集中的第二异常图像的第二异常相似度;将所述第一正常相似度与所述第二正常相似度进行比较,得到目标正常相似度;将所述第一异常相似度与所述第二异常相似度进行比较,得到目标异常相似度;当确定所述目标正常相似度小于所述目标异常相似度时,确定所述目标待测图像对应的所述船舶柴油机存在故障。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广东海洋大学,其通讯地址为:524000 广东省湛江市麻章区海大路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励