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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多周期特征对齐的跨工况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：CN119989296B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510060816.1，技术领域涉及：G06F18/27；该发明授权一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法是由冯静;蒋义明;文生健;章振杰;徐晓滨;侯平智设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法在说明书摘要公布了：本发明公开了一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法，该方法首先将滚动轴承全生命周期振动信号划分为长度相同的信号样本，选择任意工况Wi下的轴承信号作为源域，其余任意工况下轴承信号作为目标域。其次采用自相关函数对源域和目标域的各样本进行周期性检测，使用聚类算法对信号样本周期进行聚类，获得K个周期长度对信号样本进行重塑。然后构建卷积神经网络，对重塑信号样本进行特征提取和特征融合，得到多尺度周期退化特征。最后构建回归网络，利用多尺度周期退化特征预测剩余使用寿命，并构建基于多周期特征相关性对齐损失函数，进行训练和测试。本发明提升了对轴承退化特征的提取，对于轴承剩余寿命进行精确预测。

本发明授权一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法在权利要求书中公布了：1.一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法，其特征在于，包括以下步骤： S1、将滚动轴承全生命周期振动信号划分为长度相同的信号样本，选择任意工况Wi下的轴承信号作为源域，任意工况Wj，且j≠i下的轴承信号作为目标域； S2、采用自相关函数对源域和目标域上的各个样本进行周期性检测，识别出信号样本周期； S3、使用K-Means算法对信号样本周期进行聚类，通过求取聚类中心获得K个最显著的周期长度，基于周期长度对信号样本进行重塑； S4、构建卷积神经网络，分别对不同周期长度下的重塑信号样本进行特征提取和特征融合，得到多尺度周期退化特征； S5、构建回归网络，利用多尺度周期退化特征，预测剩余使用寿命； S6、基于卷积神经网络在不同周期下提取的多尺度周期退化特征，在源域和目标域之间构建基于多周期特征相关性对齐损失函数进行训练，并在测试集上进行测试获得轴承的预测寿命； 所述构建基于多周期特征相关性对齐损失函数具体过程如下： CORAL损失函数通过最小化源域和目标域的协方差矩阵差异实现特征对齐，其表达式如下： 其中fs表示学习到的源域的特征，fs表示学习到的目标域的特征，||·||F表示Frobenius范数，d是特征维度，在CORAL损失函数的基础上，在多周期特征的基础上构建损失函数，其表达式如下： 其中MSEpred为最小均方差，度量预测的寿命和真实寿命值y之间的差异，为周期特征融合后的源域特征和目标域特征之间的CORAL损失，为在每个周期特征{f1,f2,…,fk}下的源域特征和目标域特征之间的CORAL损失，α为参数控制该部分损失的贡献；{λ1,λ2,…,λK}为调节各损失项权重的系数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。