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！

龙图腾网获悉中国航发沈阳发动机研究所申请的专利基于深度学习和粒子滤波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：CN116204766B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211735421.X，技术领域涉及：G06F18/10；该发明授权基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法是由吴英祥;刘西洋;王理;黄海;冯国全;杜少辉;陈果设计研发完成，并于2022-12-31向国家知识产权局提交的专利申请。

本基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法在说明书摘要公布了：本申请属于滚动轴承可靠性评估领域，特别涉及一种基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法。本申请实现了滚动轴承劣化指标的自适应构建，通过搭建高效的深度学习模型实现劣化指标的自适应构建，仅基于正常数据构建模型，并对异常状态进行演化预测，对于实际工程中故障样本缺失条件下的滚动轴承状态评估及剩余寿命预测具有重要意义；实现了滚动轴承故障演化阶段的自适应划分，通过无监督聚学习的方式自适应划分演化阶段，与传统人工模糊定义的方式相比更加科学和准确；实现了基于粒子滤波的滚动轴承剩余寿命预测，基于提取的轴承劣化特征，利用更加适用于非线性、非高斯信号预测问题的粒子滤波方法以实现滚动轴承剩余寿命精确预测。

本发明授权基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法在权利要求书中公布了：1.一种基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法，其特征在于，包括： 步骤一、构建深度卷积神经网络模型； 步骤二、获取滚动轴承全寿命振动数据，构建基于深度卷积神经网络的滚动轴承演化特征提取器，通过所述滚动轴承演化特征提取器从所述滚动轴承全寿命振动数据中提取正常阶段的滚动轴承全寿命振动数据，基于正常阶段的滚动轴承全寿命振动数据训练所述深度卷积神经网络模型； 步骤三、将所述滚动轴承全寿命振动数据输入至训练好的所述深度卷积神经网络模型中，根据正常样本与故障样本的特征距离得到滚动轴承劣化指标； 步骤四、对所述滚动轴承劣化指标进行k-means聚类，将滚动轴承演化阶段划分为正常阶段、退化阶段以及失效阶段，并将退化阶段起始点对应的特征值标记为退化阈值，以及将失效阶段起始点对应的特征值标记为失效阈值； 步骤五、通过最小二乘拟合对退化前的所述滚动轴承劣化指标进行拟合，采用粒子滤波方法从开始退化逐步向前预测特征值，当特征值大于失效阈值时结束预测算法，并获得开始退化至完全失效的滚动轴承剩余寿命预测曲线； 步骤六、通过滚动轴承全寿命疲劳试振动监测数据验验证所述基于深度学习和粒子滤波的滚动轴承剩余寿命预测方法的正确有效性。

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中国航发沈阳发动机研究所，其通讯地址为：110015 辽宁省沈阳市沈河区万莲路1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。