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！

龙图腾网获悉北京工业大学;北京科博纳信息技术有限公司申请的专利一种基于多目标动态优化健康退化指数的泵站机组健康评估方法和系统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：CN118686778B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410872874.X，技术领域涉及：F04B51/00；该发明授权一种基于多目标动态优化健康退化指数的泵站机组健康评估方法和系统是由闫健卓;邱盼盼;于涌川;赵忠诚;方宏阳;董伟设计研发完成，并于2024-07-01向国家知识产权局提交的专利申请。

本一种基于多目标动态优化健康退化指数的泵站机组健康评估方法和系统在说明书摘要公布了：本发明提出一种基于多目标动态优化健康退化指数的泵站机组健康评估方法和系统。其中，方法包括：应用预处理后的多维时间序列数据和训练标签训练基于交互式图神经网络的健康基准模型；应用健康基准模型预测健康状态评估特征变量的预测值；基于马氏距离计算健康状态评估特征变量的预测值与健康状态评估特征变量的实时监测值的距离，构建健康状态评估特征变量的健康退化指数；应用健康退化指数，构建并求解用于确定健康退化指数的权重的多目标函数；得到健康退化指数的权重；将权重和健康退化指数加权求和，得到综合健康退化指数。本发明提出的方案能够通过优化权重分配显著提高了评估的精度和全面性，更准确地反映设备实际运行的健康状态变化。

本发明授权一种基于多目标动态优化健康退化指数的泵站机组健康评估方法和系统在权利要求书中公布了：1.一种基于多目标动态优化健康退化指数的泵站机组健康评估方法，其特征在于，所述方法包括： 步骤S1、对泵站机组传感器采集的多维时间序列数据进行数据预处理，得到预处理后的多维时间序列数据； 步骤S2、采用随机森林对所述预处理后的多维时间序列数据进行特征重要性评估，筛选出机组健康状态评估特征变量，作为训练标签； 步骤S3、应用所述预处理后的多维时间序列数据和训练标签训练基于交互式图神经网络的健康基准模型；所述基于交互式图神经网络的健康基准模型包括： 首先，将所述预处理后的多维时间序列数据输入自适应多尺度识别器构建具有不同噪声水平的多尺度时间序列； 然后，将所述多尺度时间序列输入跨尺度图神经网络GNN提取多尺度时间序列中的时间节点特征； 再后，将所述时间节点特征输入跨变量图神经网络GNN提取多维时间序列中的变量节点特征； 最后，将所述变量节点特征输入多层感知器，得到机组健康状态评估特征变量的预测值； 步骤S4、将实时采集的多维时间序列数据经过预处理后，输入到训练好的健康基准模型中，得到实时运行的机组健康状态评估特征变量的预测值； 步骤S5、基于马氏距离计算机组健康状态评估特征变量的预测值与机组健康状态评估特征变量的实时监测值的距离，构建机组健康状态评估特征变量的健康退化指数；所述基于马氏距离计算机组健康状态评估特征变量的预测值与机组健康状态评估特征变量的实时监测值的距离，构建机组健康状态评估特征变量的健康退化指数包括： 采用高斯云模型对机组健康状态评估特征变量的实时监测值和机组健康状态评估特征变量的预测值进行量化，得到所述实时监测值的特征向量和预测值的特征向量； 所述实时监测值的特征向量包括：实时监测值的期望、实时监测值的熵和实时监测值的超熵； 所述预测值的特征向量包括：预测值的期望、预测值的熵和预测值的超熵； 采用马氏距离计算实时监测值的特征向量与预测值的特征向量的距离； 其中，HDIi表示第i个机组健康状态评估特征变量的健康退化指数；Dij表示第i个机组健康状态评估特征变量的时监测值的特征向量与预测值的特征向量的距离； 步骤S6、应用所述健康退化指数，构建用于确定健康退化指数的权重的多目标函数；采用序列最小二乘算法求解所述多目标函数，得到健康退化指数的权重；将所述权重和健康退化指数加权求和，得到综合健康退化指数。

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北京工业大学;北京科博纳信息技术有限公司，其通讯地址为：100124 北京市朝阳区平乐园100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”。