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！

龙图腾网恭喜电子科技大学申请的专利基于并行特征提取的滚动轴承剩余寿命预测方法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：CN116383647B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202310330506.8，技术领域涉及：G06F18/214；该发明授权基于并行特征提取的滚动轴承剩余寿命预测方法是由米金华;庄泳昊;白利兵;程玉华;杨俊峰;刘森造;李彦锋;邱根设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于并行特征提取的滚动轴承剩余寿命预测方法在说明书摘要公布了：本发明公开了一种基于并行特征提取的滚动轴承剩余寿命预测方法，首先采集滚动轴承的全寿命周期振动信号，从中提取出故障时期各个采集时刻的时域特征序列和合成时频图，并确定对应的剩余寿命百分比标签，从而构成训练样本；构建并行寿命预测网络，采用训练样本对并行寿命预测网络进行训练；当需要对滚动轴承进行寿命预测时，采集滚动轴承运行至当前时刻的振动信号，提取出当前时刻的时域特征序列和合成时频图，将其输入训练好的并行寿命预测网络得到剩余寿命预测结果。本发明综合考虑滚动轴承振动信号的时频域特征信息和时域特征序列中的时序信息，并行提取特征，提高滚动轴承剩余寿命预测性能。

本发明授权基于并行特征提取的滚动轴承剩余寿命预测方法在权利要求书中公布了：1.一种基于并行特征提取的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：S1：根据实际需要获取若干滚动轴承的全寿命周期振动信号，每个全寿命周期振动信号中包含若干个采集时刻的采集信号，每个采集信号的数据长度为X；S2：分别根据每个滚动轴承的全寿命周期振动信号生成训练样本，得到训练样本集，生成训练样本的具体方法为：S2.1：记全寿命周期振动信号所包含的采集时刻数量为T，对全寿命周期振动信号进行初始故障点识别，记初始故障点为T0，将初始故障点T0以前作为健康时期，初始故障点及以后作为故障时期，对应样本数量分别为TH与TF，TH+TF＝T；S2.2：根据实际情况确定N个时域特征，对于全寿命周期振动信号故障周期中每个采集信号分别提取N个时域特征ti,n，TH+1≤i≤T；N个时域特征的筛选方法为：设置N′个备选时域特征，N′＞N，分别获取每个备选时域特征的评价分数Scoren′，具体方法为：任意选取一个全寿命周期振动信号，分别提取该全寿命周期振动信号中每个采集信号的第n′个备选时域特征的特征值ak,n′，1≤k≤T，采用如下公式计算得到健康时期与故障时期的第n′个备选时域特征的特征值差异differencen′： 采用如下公式计算得到第n′个备选时域特征的波动量化值fluctutationn′：fluctutationn′＝σH,n′σF,n′其中，σH,n′、σF,n′分别表示第n′个备选时域特征在健康时期和故障时期的特征值标准差；采用如下公式计算得到第n′个备选时域特征的趋势量化值trendn′： 其中，σB表示序列B的标准差；然后采用如下公式计算得到第n′个备选时域特征的评价分数Scoren′：Scoren′＝differencen′-3*fluctutationn′+2*trendn′然后将全寿命周期振动信号的N′个备选时域特征按照评价分数从大到小进行排列，选择前N个备选时域特征作为最终使用的时域特征；采用如下公式进行归一化，得到归一化后的时域特征fi,n： 其中，tT0,n表示初始故障点T0的第n个时域特征值；将故障周期中每个采集时刻N个归一化后的时域特征fi,n构成时域特征向量Fi＝[fi,1,fi,2,…,fi,N]；对于故障时期的第j个采集时刻，TH+L≤j≤T，将该采集时刻和前L-1个采集时刻的时域特征向量构成长度为L的时域特征序列Pj＝[Fj-L+1,Fj-L+2,…,Fj]；S2.3：对于全寿命周期振动信号，在健康时期中随机选择一个采集时刻，生成其采集信号的时频图作为正常状态时频图MH，然后生成故障时期第j个采集信号的时频图，分别将故障时期第j个采集信号的时频图与正常状态时频图MH进行拼接，得到合成时频图Mj；S2.4：对于全寿命周期振动信号中故障时期第j个采集时刻，采用如下公式计算其对应的剩余寿命百分比标签labelj： S2.5：将故障时期第j个采集时刻的时域特征序列Pj＝[Fj-L+1,Fj-L+2,…,Fj]、合成时频图Mj作为输入，剩余寿命百分比标签labelj作为输出，构成一个训练样本；S3：构建并行寿命预测网络，包括时序信息模块、特征信息模块、特征拼接模块和预测模块，其中：时序信息模块用于接收时域特征序列并进行特征提取，得到时序信息向量WT并发送给特征拼接模块；特征信息模块用于接收合成时频图进行特征提取，得到特征信息向量QTF并发送给特征拼接模块；特征拼接模块用于对接收的时序信息向量QT和得到特征信息向量QTF进行拼接，将得到的拼接信息向量发送至预测模块；预测模块用于根据拼接信息向量进行处理，输出预测的剩余寿命百分比；S4：将步骤S2得到的各个训练样本中的时域特征序列、合成时频图作为输入，对应的剩余寿命百分比标签作为期望输出，对并行寿命预测网络进行训练；S5：当需要对滚动轴承进行寿命预测时，采集滚动轴承运行至当前时刻的振动信号，对振动信号进行初始故障点识别，当初始故障点不存在，或初始故障点存在且当前时刻与初始故障点之间的时间差小于L，则当前时刻的剩余寿命百分比为1，当初始故障点存在且当前时刻与初始故障点之间的时间差大于等于L，则采用如下方法进行剩余寿命预测：从当前时刻采集信号和前L-1个采集时刻的采集信号中提取N个时域特征，构成时域特征序列P′，然后从初始故障点之前的健康时期中随机选择一个采集时刻，生成其采集信号的时频图作为正常状态时频图，然后生成当前时刻采集信号时频图，与正常时频图拼接得到合成时频图M′；将时域特征序列P′和合成时频图M′输入步骤S4训练好的并行寿命预测网络，得到滚动轴承的剩余寿命百分比。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。