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！

龙图腾网获悉武汉理工大学申请的专利基于双注意力多特征融合网络的剩余使用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：CN119885854B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411908938.3，技术领域涉及：G06F30/27；该发明授权基于双注意力多特征融合网络的剩余使用寿命预测方法是由刘爱华;王帆;曲春洋;连奕胜;熊若兰;陈璐设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于双注意力多特征融合网络的剩余使用寿命预测方法在说明书摘要公布了：本发明提出一种基于双注意力多特征融合网络的剩余使用寿命预测方法，包括：S1、对采集的设备多传感器数据构建数据集合并进行筛选，对筛选后的数据进行归一化处理；S2、以训练集样本为基础，构建基于双注意力机制的多特征融合网络模型；S3、将测试样本输入到训练好的基于双注意力多特征融合网络模型中，实现设备的剩余使用寿命预测；本发明融合手工特征，构建多特征融合框架，实现最后的RUL预测，提高了对于设备剩余使用寿命预测的准确性。

本发明授权基于双注意力多特征融合网络的剩余使用寿命预测方法在权利要求书中公布了：1.基于双注意力多特征融合网络的剩余使用寿命预测方法，其特征在于，包括如下步骤： 步骤一，对采集的设备多传感器数据构建数据集合并进行筛选，对筛选后的数据进行归一化处理； 步骤二，以训练集样本为基础，构建基于双注意力机制的多特征融合网络模型，首先，将CNN与CAM结合，初步提取空间维度上的特征，具体包括如下内容： 原始的时间序列数据经过数据预处理后形成输入数据，输入数据特征可以表示为： 式中：表示在特征图中第个通道；而和分别表示时间步长以及传感器数据量； 卷积计算如下表示： 式中：表示第层卷积层的输入；表示第个卷积核；和分别表示激活函数和函数的偏置项； 利用CAM处理卷积层所输出的数据，在对卷积层输出的特征图进行挤压操作后，通过全局平均池化层和全局最大池化层整合数据中所包含的空间信息，给定特征图的空间维数为，进行挤压操作后变为，在经过挤压操作后，每个通道的特征图会生成对应的通道描述符，公式如下： 式中：表示在特征图中第行第列的元素； 对进行激励操作，生成提取描述符，表示为： 式中：表示一个降维层；表示一个维数增加层；是激活函数； 为避免中心对称问题，函数将输出权重定为[-1,1]之间，然后采取加权处理的方法，完成在通道维度对原特征的重新标定，最后，为了整合全局平均池化层和全局最大池化层两个分支上的数据，采用元素求和的方法来生成输出特征图，使用softmax函数对权重进行归一化处理，并通过缩放操作将归一化后的权重分配给每个通道的特征，该模块的最终输出则直接输入到下一个网络层； 接着，将LSTM与SAM结合，在时间维度上提取特征，完成特征信息在空间和时间维度上的整合，具体包括如下内容： 数据流入LSTM网络前，首先经过遗忘门，其作用是有选择地对上一时 刻传递来的数据遗忘，其更新计算式为： 式中：是时间步长的输入；是时间步长的隐藏状态；表示权值矩阵；表示偏置项；表示sigmoid函数； 经过遗忘门的筛选之后，数据传递到输入门，LSTM网络输入信号经输入门确定需要更新的信息以及要更新的内容，如下表示： 式中：表示权值矩阵；表示偏置项；表示将的状态信息进行整合的状态量；表示当前的状态； 输出门使用计算需要被输出的单元状态，输入信号经输出门确定用于输出的有用信息并立即更新当前LSTM神经网络细胞状态，其更新计算式如下表示： 式中：表示权值矩阵；表示偏置项； 由LSTM网络所输出的学习特征可以表示为，其中表示转置操作，而作为SAM的输入，表示数据的时间步长，具体公式如下： 式中：表示注意力权重；和是注意力网络中的权重矩阵和偏置项，是第个特征值对目标序列数据影响大小，所有的相加为1； 对特征序列进行加权，得到输出序列，输出序列表示为： ； 步骤三，将测试样本输入到训练好的基于双注意力多特征融合网络模型中， 实现设备的剩余使用寿命预测。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。