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！

龙图腾网获悉江西师范大学申请的专利信号激励和识别方法、系统及计算机设备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：CN117629550B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202311569917.9，技术领域涉及：G01M7/02；该发明授权信号激励和识别方法、系统及计算机设备是由饶春芳;闫晓丽;陈鹏;余文鑫;饶朝;吴世杰;袁佳馨;王跃翔;阮一鸣;熊文婷;马移铭;谌子滢;陈思思;娄超;胡耀阳设计研发完成，并于2023-11-23向国家知识产权局提交的专利申请。

本信号激励和识别方法、系统及计算机设备在说明书摘要公布了：本申请提出一种信号激励和识别方法、系统及计算机设备，该方法包括：构建模型，对模型进行模态分析以获取固有频率及模态；根据待测结构固有频率确定激励周期，由激振器产生周期脉冲激励信号，通过顶杆撞击待测件产生振动，由传感器感知振动形成原始振动信号，而后对每一原始振动信号进行分解，从而根据分解后得到的IMF分量得到一组合信号，对该组合信号进行特征提取，得到对应的特征参数数据，进而构建出数据集，从而实现对初始信号识别模型的训练，进而完成对待测试信号的识别。本申请提出的信号激励和识别方法，能够实时且准确地进行结构健康状态监测，以提前发现潜在的结构故障，提高设备运行安全性和效率。

本发明授权信号激励和识别方法、系统及计算机设备在权利要求书中公布了：1.一种信号激励和识别方法，其特征在于，所述方法包括： 搭建待测结构有限元仿真分析模型，并对所述待测结构有限元仿真分析模型进行模态分析，以获取待测结构件的固有频率及模态，由此确定悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式，并根据悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式获取悬挂式光纤布拉格光栅传感器共振频率，包括：根据所述模态分析结果确定黏贴点位置和光纤布拉格光栅位置，并根据所述黏贴点位置和所述光纤布拉格光栅位置获取黏贴长度、黏贴点到光纤布拉格光栅的距离、光纤布拉格光栅到尾纤的距离；根据所述黏贴点到光纤布拉格光栅的距离、所述光纤布拉格光栅到尾纤的距离以及光纤布拉格光栅的刻栅长度计算得到总长度L，并根据所述总长度L计算得到悬挂式光纤布拉格光栅传感器共振频率； 根据所述固有频率确定激励周期，由激振器根据所述激励周期产生周期脉冲激励信号，并通过顶杆根据所述周期脉冲激励信号撞击已知状态信号的待测结构件产生原始振动信号，所述已知状态信号至少包括扭矩信号、裂缝信号、摩擦系数信号、材料纯度信号；包括：根据以下公式得到所述激励信号：，其中，表示激励信号，表示单位冲激函数，，N为整数，A表示冲激强度，t表示时间，T表示激励周期；所述根据所述总长度L计算得到悬挂式光纤布拉格光栅传感器共振频率的步骤包括：根据以下公式计算所述悬挂式光纤布拉格光栅传感器共振频率：,其中，f0表示悬挂式光纤布拉格光栅传感器共振频率，C表示光纤中声波的速度； 采用经验模态分解算法对所述原始振动信号进行分解提取，以得到多阶IMF分量，包括：将原始振动信号分解成局部平滑和局部振荡两部分，以对所述局部平滑的部分进行极值点的提取，得到一组局部极值点序列，并对所述局部极值点序列进行插值拟合，得到一组局部平滑函数；根据所述局部平滑函数和所述原始振动信号得到一组局部振荡函数，并基于所述局部振荡函数获取第一阶IMF分量；根据所述第一阶IMF分量和所述原始振动信号获取第一次分解后的剩余分量，并将第一次分解后的剩余分量进行重复分解、极值点提取，以得到第二阶IMF分量；重复上述步骤，直至得到第k阶IMF分量； 并计算每阶IMF分量的时域信号分别与所述原始振动信号之间的互相关系数，包括：根据以下公式获取互相关系数：，根据以下公式获取所有采样的第k阶IMF分量的时域信号的均值：，根据以下公式获取所有采样的原始振动信号的时域信号的均值：，其中，r表示第k阶IMF分量的时域信号与原始振动信号的时域信号之间的互相关系数，i表示第i个采样点，m表示总的采样点数，表示第k阶IMF分量的第i个采样点的时域信号，表示所有采样的第k阶IMF分量的时域信号的均值，表示所有采样的原始振动信号的时域信号的均值，表示第i个采样点的原始振动信号的时域信号； 根据所述互相关系数从所有的IMF分量中筛选出至少一个目标IMF分量，并根据所述悬挂式光纤布拉格光栅传感器共振频率对存在悬挂式光纤布拉格光栅共振噪声的目标IMF分量进行去噪，去噪后再将所有的目标IMF分量进行叠加，得到组合信号； 从所述组合信号中分别提取有量纲参数和无量纲参数，并对所述有量纲参数和所述无量纲参数进行筛选，得到特征参数数据，以根据所述特征参数数据构建数据集； 将所述数据集输入到初始信号识别模型中进行训练，得到最终信号识别模型，并将待测试信号输入所述最终信号识别模型中，得到健康状态分类结果。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。