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！

龙图腾网获悉南京迅集科技有限公司申请的专利基于多传感器融合的工业设备故障预测与健康管理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：CN120509001B 。

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：202511006837.1，技术领域涉及：G06F18/25；该发明授权基于多传感器融合的工业设备故障预测与健康管理方法是由冯钟灵;李旭;党鑫;邹常乐设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本基于多传感器融合的工业设备故障预测与健康管理方法在说明书摘要公布了：本发明属于设备管理技术领域，本发明公开了基于多传感器融合的工业设备故障预测与健康管理方法，包括：获取工业设备的多源传感数据，进行信号解耦分析，获得解耦特征谱；进行频域转换与调制解析，形成多维特征谱系；分析多维特征谱系的模态相关性，获得故障特征映射网络；构建混合时序预测模型，进行剩余寿命预测与退化趋势评估，获得设备健康趋势图谱；建立健康状态评价指标体系，进行可靠度评估，获得设备健康状态报告；生成维护决策建议，通过边缘计算实现实时异常检测与维护建议推送。本发明通过多传感器数据融合与先进分析技术，实现了工业设备故障的早期预警和精准预测，显著提升了工业设备的运行可靠性和生产效率。

本发明授权基于多传感器融合的工业设备故障预测与健康管理方法在权利要求书中公布了：1.基于多传感器融合的工业设备故障预测与健康管理方法，其特征在于，包括： 步骤S1：获取工业设备的多源传感数据，对多源传感数据进行信号解耦分析，获得解耦特征谱； 步骤S2：对解耦特征谱进行频域转换与调制解析，形成多维特征谱系，分析多维特征谱系的模态相关性，获得故障特征映射网络； 步骤S3：构建混合时序预测模型，基于混合时序预测模型对故障特征映射网络进行剩余寿命预测与退化趋势评估，从而获得设备健康趋势图谱； 步骤S4：建立健康状态评价指标体系，对设备健康趋势图谱进行可靠度评估，获得设备健康状态报告； 步骤S5：根据设备健康状态报告生成维护决策建议，并通过边缘计算实现实时异常检测与维护建议推送； 步骤S1包括： 获取工业设备的多源传感数据，包括振动信号、温度信号、电流信号以及声发射信号； 对振动信号进行信号分解，获得振动信号特征；对温度信号进行时序分段处理，获得温度梯度变化特征；对电流信号进行包络解调，获得电流谱特征；对声发射信号进行频谱分析，获得声发射能量分布特征；对振动信号特征与电流谱特征进行调制解析，从而获得负载波动信号；基于振动信号特征与负载波动信号进行自适应分离处理，获得本征振动信号；基于本征振动信号、温度梯度变化特征、电流谱特征和声发射能量分布特征进行交叉验证，构建解耦特征谱； 步骤S2包括： 对解耦特征谱进行希尔伯特黄变换，获得时频域特征表示；基于时频域特征表示，提取瞬时频率和瞬时幅值特征，构成瞬时特征谱；对瞬时特征谱进行频域转换，获得频谱特征图；基于频谱特征图进行故障模式识别，建立故障特征库；对振动信号特征、温度梯度变化特征、电流谱特征和声发射能量分布特征进行张量分解，获得跨模态特征表示；基于跨模态特征表示，计算各模态间的相关性矩阵，构建模态相关网络；根据模态相关网络进行关键特征筛选，获得故障诊断特征集；基于故障诊断特征集和故障特征库进行特征匹配，构建故障特征映射网络； 步骤S3包括： 构建双向长短期记忆网络模型和自注意力机制模型；将双向长短期记忆网络模型与自注意力机制模型融合，构建初始时序预测模型；利用历史故障数据对初始时序预测模型进行模型训练，获得混合时序预测模型；采用滑动时间窗口方法对故障特征映射网络进行特征提取，并将提取的特征输入混合时序预测模型，获得设备剩余寿命预测结果；基于剩余寿命预测结果，构建退化趋曲线；将退化趋势曲线与预设的健康基准进行对比分析，获得设备健康趋势图谱。

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南京迅集科技有限公司，其通讯地址为：210046 江苏省南京市栖霞区马群街道紫东路1号紫东国际创意园西区F1栋607室；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。