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！

龙图腾网获悉西安交通大学申请的专利一种采用模型递归更新策略的机械在线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：CN119442586B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411377147.2，技术领域涉及：G06F30/20；该发明授权一种采用模型递归更新策略的机械在线剩余寿命预测方法是由李乃鹏;张明睿;徐鹏程;雷亚国;杨彬;李响设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种采用模型递归更新策略的机械在线剩余寿命预测方法在说明书摘要公布了：一种采用模型递归更新策略的机械在线剩余寿命预测方法，先建立机械设备的退化模型和模型库，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然估计‑期望最大化组合算法更新模型参数，利用递归贝叶斯信息准则RBIC自动选择最优的退化模型；最后根据选择的模型及其更新后的参数，得到剩余寿命预测结果；本发明方法由机械设备自身状态监测数据驱动且利用RBIC分数将监测数据实时匹配最优退化模型，有效表征工业实际中机械设备运行过程中的退化情况，提高了机械设备的剩余寿命预测精度。

本发明授权一种采用模型递归更新策略的机械在线剩余寿命预测方法在权利要求书中公布了：1.一种采用模型递归更新策略的机械在线剩余寿命预测方法，其特征在于，包括以下步骤： 第1步，建立机械设备退化模型与退化模型库； 所述的第1步具体为：采用具有自适应漂移的随机系数回归模型描述t时刻的退化过程： 其中，yt为t时刻机械设备健康状态观测值；y0为初始值；α为漂移系数，其均值为μα，方差为服从正态分布 为用来描述随时间变化退化趋势的趋势函数，β为固定参数；ωt是均值为0，方差为的噪声项，服从正态分布 建立包含线性函数、多项式函数、指数函数和幂函数四种退化趋势的退化模型库； 第2步，确定三个阈值：预警阈值D1、报警阈值D2和失效阈值D3，三个阈值将监测值划分为4个不同的级别； 2.1预警阈值D1是级别I和级别II的分界线，级别I和级别II分别代表健康阶段和初始退化阶段；在机械设备早期运行阶段，将记录的观测值作为健康阶段下的随机样本，计算这些观测值的3σ区间，并选择其上边界或下边界作为预警阈值D1； 2.2失效阈值D3是等级III和等级IV之间的边界，等级III和等级IV分别代表严重退化阶段和失效阶段，需要根据国家、行业标准或实际情况进行预先指定； 2.3报警阈值D2是级别II和级别III之间的边界，定义为预警阈值D1和失效阈值D3的平均值； 第3步，在服役中的机械设备在线监测数据中确定起始退化时间FDT和起始预测时间FPT；当观测值达到预警阈值D1，将这个时间点定义为机械设备的起始退化时间FDT；当观测值达到报警阈值D2，将这个时间点定义为起始预测时间FPT； 第4步，机械设备退化模型参数估计：使用极大似然估计与期望最大化组合算法对退化模型中的参数进行估计； 所述的第4步具体为：机械设备退化模型中的未知参数用向量形式表示为起始退化时间FDT之后的一系列监测数据表示为YFDT:n＝yFDT,yFDT+1,…,yn',nFPT，监测数据对应的时间序列表示为tFDT,tFDT+1,…,tn,nFPT；； 由极大似然估计法估计模型参数未知参数的估计值是使式2最大化的值： 式中，ti表示第i个监测数据所处的时刻；yi为机械设备在ti时刻的健康状态观测值；yD为预警阈值D1的幅值；ψ为计算概率密度的函数； 根据公式1定义的机械设备退化模型，基于历史监测数据YFDT:n的完整对数似然函数表示为： 其中，N表示从FDT到n的全部监测数据的数量；μα,0与为漂移系数α初始分布的均值和方差； 在使用期望最大化算法对参数进行迭代估计时，将利用极大似然估计法所得到的模型参数估计值作为期望最大化算法的初值 这里为随机初始化值，假设参数Θ第j次迭代的估计结果已经得到，那么，第j+1次参数Θ的估计过程分为E步和M步； E步，公式3的期望EΘ|Θj表示为： 其中，Eα|Θj,YFDT:n和Eα2|Θj,YFDT:n为α与α2的条件期望； M步，最大化期望EΘ|Θj，Θj+1的估计结果由公式5求解： 计算公式4关于的偏导数，并且令则的估计值由β表示，公式如下： 将公式6代入公式4，完整对数似然函数进一步简化的结果由公式7表示： 式中，c为一个常数； 基于公式7，使用下山单纯形法求解βj+1的估计结果，然后通过将βj+1的估计输入到公式6中来计算的估计结果；漂移系数α的后验分布计算得出；多次迭代期望最大化算法直至满足收敛准则，定义的收敛准则表示为公式8； 其中，ξ为极小的固定值； 第5步，实时参数更新：当达到起始预测时间FPT，就开始对机械设备的剩余寿命预测；采用序贯贝叶斯算法并依据最新的监测数据实现对参数的更新； 第6步，最优退化模型自动选择：基于递归贝叶斯信息准则RBIC评估建立的状态空间模型的拟合性能，自动选择当前最优状态空间模型； 第7步，计算剩余寿命。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。