| 专利名称 | 基于双重特征选择的CNN-ISO滚动轴承故障诊断方法 | ||
|---|---|---|---|
| 申请号/专利号 | CN202511308304.9 | 专利权人（第一权利人） | 长春工业大学 |
| 申请日 | 2025-09-15 | 授权日 | 2025-11-14 |
| 专利类别 | 授权发明 | 战略新兴产业分类 | 新一代信息技术 |
| 技术主题 | 支持向量机分类器|工业环境|特征空间|工程学|振动信号|神经网络|机械设备|旋转机械|数据挖掘|特征选择|卷积|卷积神经网络|功能组合 | ||
| 应用领域 | 机械部件的测试|人造生命|推理方法|神经学习方法 | ||
| 意向价格 | 具体面议 | ||
| 专利概述 | 本发明提供了一种基于双重特征选择的CNN‑ISO滚动轴承故障诊断方法。属于旋转机械设备故障诊断领域。第一阶段利用卷积神经网络（CNN）从原始振动信号中自动提取高维深度特征，避免人工特征构造的主观性和复杂性，确保特征提取过程更加客观、全面；第二阶段将改进的蛇群优化算法（Improved Snake Optimization，ISO）与特征剔除、特征激活相结合，实现特征子集选择与支持向量机（SVM）分类器参数的同步优化，在特征空间和参数空间中进行高效的全局搜索，充分挖掘最优特征组合与分类器性能的协同提升潜力。本发明在准确率、搜索效率及模型轻量化方面均优于传统方法，可为实现工业现场轴承早期故障的实时、准确诊断提供思路。 | ||
| 图片资料 |
|
||
| 合作方式 | 具体面议 | ||
| 联系人 | 戚梅宇 | 联系电话 | 13074363281 |
