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！

龙图腾网获悉电子科技大学申请的专利一种基于DIformer的航空发动机剩余使用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：CN118862011B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202410876728.4，技术领域涉及：G06F18/27；该发明授权一种基于DIformer的航空发动机剩余使用寿命预测方法是由张泽展;姜晶;张力川;许佳文;牛夷;王超设计研发完成，并于2024-07-02向国家知识产权局提交的专利申请。

本一种基于DIformer的航空发动机剩余使用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一种维度独立补丁嵌入的双通道Transformer的航空发动机剩余使用寿命预测方法。包括以下步骤：数据预处理，构建DIformer神经网络模型，构建训练和验证方法并进行模型训练，使用模型进行航空发动机剩余使用寿命预测。本发明提出的DIformer模型在传统Transformer模型的基础上增加了对多元传感器维度的特征提取，使得DIformer模型在航空发动机剩余使用寿命预测的典型多元时间序列预测问题上取得了更低的预测误差，加强了对航空发动机多元传感器的特征提取能力，有效提升了模型在航空发动机剩余使用寿命预测上的准确性。

本发明授权一种基于DIformer的航空发动机剩余使用寿命预测方法在权利要求书中公布了：1.一种基于DIformer的航空发动机剩余使用寿命预测方法，其特征在于，包括以下步骤： S1：采集航空发动机各个传感器的时间序列监测数据，并对收集到的时间序列数据进行标记，作为训练模型的原始数据集； S2：对标记后的航空发动机多元时间序列数据进行预处理，转化为符合模型训练的标准化时间序列特征向量； S3：采用滑动窗口处理连续的标准化时间序列特征向量，转换为模型训练所需的小批量样本； S3.1：RUL生成；假设原始数据集为发动机全寿命周期数据集，从发动机原始数据集中提取发动机工作周期数cycle，对应的剩余使用寿命标签通过以下函数计算： 其中cyclemax为当前发动机ID所在序列中cycle的最大值，剩余使用寿命最大值设置为125只是一个典例值，在解决不同的发动机剩余使用寿命预测问题时，应当根据实际情况设置； S3.2：使用滑动窗口生成小批量样本；采用滑动窗口的方法生成小批量样本，设滑动窗口尺寸为n，小批量样本表示为： X＝[X1,X2,…,XD] 其中Xi表示为： i＝1,2,…,D，选择每一个滑动窗口的最后一个时刻的剩余使用寿命YRUL作为该样本的剩余使用寿命标签； S3.3：样本特征预提取；采用线性回归方法对小批量样本进行特征预提取，将提取得到的线性系数coef和均值mean附加在小批量样本末尾： coefi＝LinearRegressionXi.coef_ meani＝meanXi 用Xnew表示经过特征预提取后的小批量样本： 其中表示为： S4：搭建DIformer模型，设置模型超参数优化算法，将小批量训练样本作为模型输入进行训练； S4.1：搭建DIformer模型： S4.1.1：维度独立嵌入： 采用每一个维度独立嵌入向量的小批量样本生成方式，同时捕捉跨维度和跨时间的依赖关系；使用长度为Lseg分割段大小将长度为T的时间窗口样本Xs进行分割，在这里假设T能被Lseg整除： 其中表示第d个传感器在长度为T的时间窗口内的第i个分割段，将每一个分割段输入到嵌入层中： 其中为可学习矩阵参数； S4.1.2：多头注意力Multi-headAttention： 定义一组时间维度尺寸为T、空间维度尺寸为D的二维时间序列数据：在对时间维度应用注意力机制的情况下，不同空间维度的数据共享权重，执行相同的矩阵运算，以第d个维度的时间序列数据为例： 在经过维度独立嵌入后的第d个维度时间序列数据表示为dmodel为序列维度大小，首先通过以下计算生成三个矩阵： 其中和都是可学习参数，和dk为Kt的向量维度，Qt需与Kt的向量维度一致，dv为Vt的向量维度；查询Qt和键值然后计算Q和K的缩放点乘值，以此来获得第d个维度中每一个时间段值得被注意的概率 其中softmax为归一化指数函数，为Kt的转置；将概率αt与Vt相乘，计算每一个时间段的注意力特征值 AttentiontQt,Kt,Vt＝αtVt MAt.为多头注意力机制函数，采用多头注意力机制MA来允许模型关注来自不同时间段的信息： 其中，为可学习参数； 相似的，对空间维度应用注意力机制，不同时间维度共享权重，将空间维度的注意力机制计算表示为：MAs； S4.1.3：双通道注意力DCA： 把从维度独立嵌入得到的二维数组作为DCA的输入，其中L表示维度独立嵌入在时间步维度分割得到的段数，D表示经过预处理后用于预测的航空发动机传感器总个数，dmodel表示经过维度独立嵌入处理后的向量维度，为便于阅读，用X:,d表示维度d的所有时间步的向量,1≤d≤D，Xl,:表示第l个时间步的所有维度的向量,1≤l≤L，在DCA中，X是从维度独立嵌入接收到的输入向量；DCA由时间通道TemporalChannel、空间通道SpatialChannel和特征融合层组成，具体如下： 1时间通道TemporalChannel 在TemporalChannel，对时间维度应用多头注意力，并与原始输入X进行残差连接得到然后再通过一个多层感知机，最后与Xt,1进行残差连接得到TemporalChannel的输出Xt,out： Xt,out＝LayerNormXt,1+MLPXt,1 其中1≤d≤D，LayerNorm·表示在时间序列预测中广泛采用的层归一化，提高模型的收敛速度和泛化能力； 2空间通道SpatialChannel 与Temporal相似，SpatialChannel具体表示如下： Xs,out＝LayerNormXs,1+MLPXs,1 3特征融合FeatureFusion 经过双通道特征提取，将两个维度的特征进行拼接，实现特征融合，最后通过一层线性层还原维度大小： Xf,out＝LinearConcatXt,out,Xs,out 其中Concat表示按最后一个维度进行向量拼接，Linear为线性层； Y＝DCAX Y为DCA输出； S4.1.4：一种维度独立补丁嵌入的双通道Transformer： DIformer由编码器和解码器组成，编码器由维度独立嵌入和DCA组成； 1编码器：编码器包含了维度独立嵌入和多层DCA，维度独立嵌入保留了嵌入向量的维度独立性，采用多层DCA提取输入向量的在时间序列和传感器维度的深度特征；编码器表示为： 其中Emb表示维度独立的补丁嵌入方法，与位置编码向量PE相加得到编码器的二维输入向量Xenc,0或Xenc,l，Linear表示一个可以学习的线性层，用于与分段合并后的向量， Concat表示向量拼接； 2解码器：解码器的输入来自可学习的位置编码向量与编码器中经过DCA特征提取前后的向量，利用两层解码层的输出之和，经过线性层输出最终预测值；解码器表示为： X3 dec,l＝LayerNormX2 dec,l+X1 dec,l Xdec,l＝LayerNormX3 dec,l+MLPX3 dec,l 其中为解码器可学习的位置编码向量，τ为经处理后的输入序列长度，如果输入序列长度不能被Lseg整除，则需在序列末尾补齐长度直到能被Lseg整除，Xdec,l为解码器每一层的输出，X1 dec,l为DCA的输出，X2 dec,l为解码器融合来自编码器的特征信息后的注意力输出，X3 dec,l为X2 dec,l注意力机制的残差连接；dmodel为向量维度； 3预测层：预测层接收来自解码器的信息，分层预测之和作为最终的预测值： Linear.表示线性变换函数； S4.2：模型性能评判； S5：由优化算法自动筛选并保留预测误差最小的模型权重文件，得到最优化模型； S6：将验证集输入到模型中进行功能验证，如果验证结果与测试结果相近则完成模型训练，得到基于DIformer的航空发动机剩余使用寿命预测模型。

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”。