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！

龙图腾网获悉山东大学申请的专利基于异常样本抑制与多域特征的轴承故障识别方法及系统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：CN121388798B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511972368.9，技术领域涉及：G06F18/241；该发明授权基于异常样本抑制与多域特征的轴承故障识别方法及系统是由万熠;颜利华;王茂灿;侯昭霆;梁西昌;侯嘉瑞;李亚男;夏岩;牛发设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本基于异常样本抑制与多域特征的轴承故障识别方法及系统在说明书摘要公布了：本发明涉及轴承故障识别领域，为解决现有技术异常样本抑制依赖固定阈值、多域特征筛选缺乏工况稳定性与冗余约束的问题，提供基于异常样本抑制与多域特征的轴承故障识别方法及系统。基于异常样本抑制与多域特征的轴承故障识别方法包括清洗样本集；从清洗后的样本集中提取候选特征，构造多目标特征评分函数，将评分不低于特征筛选阈值的候选特征组成多域核心特征子集；训练故障诊断模型；对待诊断工况下的轴承振动信号进行预处理与特征提取，得到多域核心特征，再经训练好的故障诊断模型处理后，得到对应的故障类型，其在噪声与工况波动条件下，仍能稳定输出高准确率与低误报率的轴承故障诊断结果。

本发明授权基于异常样本抑制与多域特征的轴承故障识别方法及系统在权利要求书中公布了：1.一种基于异常样本抑制与多域特征的轴承故障识别方法，其特征在于，包括： 获取旋转机械轴承在不同工况下的振动信号并进行预处理，得到样本集； 在异常样本总移除率不超过预设上限的约束下，对融合异常得分超过异常阈值且不超过类别移除率上限的样本集中的样本进行剔除，得到清洗后的样本集；其中，融合异常得分由样本的基于孤立森林模型的异常得分和基于稳健统计的异常得分加权融合得到； 以宏平均F1值为目标自适应确定异常样本判定阈值，其表达式为： ； 其中，为异常样本判定阈值；为最优移除率；为宏平均F1值；为每一候选移除率；为异常样本候选移除率集合；为分位点函数；为预设异常样本总移除率上限；是用于求取最大值索引的函数； 类别移除率上限的表达式为： ； 其中，为故障类别的移除率上限；为故障类别的样本数量；为全类别样本数量最大值；为调节系数，其大于0且小于或等于1；为最小值函数； 从清洗后的样本集中，在时域、频域及时频域上提取候选特征，对每一候选特征计算类别判别力指标、跨工况稳定性指标及冗余度指标，构造多目标特征评分函数，将评分不低于特征筛选阈值的候选特征组成多域核心特征子集； 以宏平均F1值、各故障类别的最小召回率及模型复杂度构成的综合适应度函数为优化目标，通过迭代更新粒子位置与速度，获得最优粒子对应的超参数与类别代价权重，并结合多域核心特征子集来训练故障诊断模型； 综合适应度函数的表达式为： ； 其中，为综合适应度函数；为在给定粒子X下的宏平均F1值；为各故障类别召回率中的最小值；为模型复杂度指标，用于度量树数量和树深度；、为正权重系数； 在故障诊断模型的训练优化过程中，将随机森林的树数量、最大深度、特征采样比例、最小叶节点样本数及各故障类别分类代价值权重组合编码作为粒子； 对待诊断工况下的轴承振动信号进行预处理与特征提取，得到多域核心特征，再经训练好的故障诊断模型处理后，得到对应的故障类型。

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山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923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。