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！

龙图腾网获悉福州大学申请的专利一种基于深度学习的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：CN116358872B 。

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：202310350072.8，技术领域涉及：G01M13/045；该发明授权一种基于深度学习的轴承剩余寿命预测方法是由钟建华;高杨;钟舜聪;梁伟设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于深度学习的轴承剩余寿命预测方法在说明书摘要公布了：本发明涉及一种基于深度学习的轴承剩余寿命预测方法，搭建轴承加速寿命测试平台，使用加速度传感器采集从设备开始运行到故障停止整个过程轴承水平与垂直方向振动信号；将采集到的信号进行健康阶段划分；将轴承衰退阶段振动信号根据时间步长划分成若干个振动信号序列；将划分后衰退阶段振动信号序列中各样本映射到时频域中获取时频图序列；将处理完成同种工况下运行的N个轴承数据中随机抽取N‑1个轴承数据作为训练集，剩余的1个轴承数据作为测试集；将训练样本输入网络进行训练，确定网络超参数，并保存训练好的模型；将测试样本输入训练好的模型，预测样本剩余寿命。克服噪声信号干扰，判断当前轴承所处运行状态阶段且准确预测轴承剩余使用寿命。

本发明授权一种基于深度学习的轴承剩余寿命预测方法在权利要求书中公布了：1.一种基于深度学习的轴承剩余寿命预测方法，其特征在于：所述的预测方法包括以下步骤： 步骤S1：搭建轴承加速寿命测试平台，使用加速度传感器采集从设备开始运行到故障停止整个过程的轴承水平与垂直方向的振动信号； 步骤S2：将采集到的信号进行健康阶段划分； 步骤S3：将轴承衰退阶段振动信号根据时间步长划分成若干个振动信号序列； 步骤S4：将划分后的衰退阶段振动信号序列中各样本映射到时频域中获取时频图序列； 步骤S5：将处理完成的同种工况下运行的N个轴承数据中随机抽取N-1个轴承数据作为训练集，剩余的1个轴承数据作为测试集； 步骤S6：将训练样本输入网络进行训练，确定网络超参数，并保存训练好的模型； 步骤S7：将测试样本输入训练好的模型，预测样本剩余寿命； 对于步骤S2，通过提取轴承振动信号的三维特征向量[RMS,K,SE]反映轴承的退化特征；其中，均方根RMS表征振动信号的能量变化，峭度K反映了冲击能量的变化，样本熵SE反映了轴承故障脉冲强度；对轴承运行周期进行二阶段划分，即划分为正常阶段和衰退阶段；利用模糊聚类算法对构建的三维退化特征向量进行无监督聚类，以达到区分正常阶段数据和衰退阶段数据的目的；具体聚类方式如下：首先选取终止容差ε＝0.0001，聚类组数c＝2，加权指数m＝2，随机初始化一个隶属矩阵U0；计算构建的三维退化特征数据的聚类中心，根据所得的聚类中心计算最大似然估计引入的距离长度，然后更新分类矩阵将待划分数据标注上类别；迭代以上步骤直至前后两次得到的距离长度之差小于终止容差ε；具体公式如下： ||Ul-Ul-1||＜ε 式中xj为待划分的特征向量，uij为第j个待分类对象属于第i类的隶属度，为i类的聚类中心，为第i个聚类的协方差矩阵，Dijxj,vi为特征向量与聚类中心的距离，为更新后的分类矩阵。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。