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！

龙图腾网获悉大连交通大学申请的专利一种基于改进TCN的滚动轴承健康状态评估与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：CN120011911B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510097179.5，技术领域涉及：G06F18/2413；该发明授权一种基于改进TCN的滚动轴承健康状态评估与预测方法是由梁天添;田嘉宇;迟青光;孙晓天设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种基于改进TCN的滚动轴承健康状态评估与预测方法在说明书摘要公布了：本发明公开了一种基于改进TCN的滚动轴承健康状态评估与预测方法，属于轴承状态预测技术领域，包括筛选时域、频域特征，利用改进的变分模态分解筛选时频域特征；采用改进的堆叠编码器对筛选的时域、频域和时频域特征降维；利用马氏距离构建健康指数，用改进的K‑Means评估健康等级；在TCN中引入基于深度分离卷积和残差连接的改进自注意力机制，得到改进的TCN，再依据健康评估结果，利用改进的TCN预测滚动轴承健康状态。本发明采用上述的一种基于改进TCN的滚动轴承健康状态评估与预测方法，降低了轴承退化特征的提取难度，实现了滚动轴承健康状态的准确评估，提高了滚动轴承健康状态的预测精度。

本发明授权一种基于改进TCN的滚动轴承健康状态评估与预测方法在权利要求书中公布了：1.一种基于改进TCN的滚动轴承健康状态评估与预测方法，其特征在于：包括以下步骤： S1、特征筛选，采用改进的冠豪猪优化算法ICPO优化变分模态分解VMD的关键参数K和，得到改进的VMD，即ICPO-VMD；利用ICPO-VMD筛选更优的滚动轴承振动信号时频域特征，并结合筛选的滚动轴承振动信号时域特征和频域特征得到高维特征数据；ICPO算法流程包括以下步骤： S101、使用佳点集初始化种群，佳点集生成形式为： 1； 其中，表示佳点集，表示种群数，表示维数，表示指数运算，表示向下取整，N是种群规模，D是维度，基于佳点集的生成形式，种群的初始化为： 2； 其中，表示佳点集初始化后的种群，和分别表示搜索范围的上限和下限； S102、引入非线性权重因子改进正余弦策略 3； 其中，表示非线性权重因子，表示当前迭代次数，表示最大迭代次数； 对种群位置进行更新，解决陷入局部最优的问题，提高算法的收敛速度，该过程表示为： 4； 其中，表示引入非线性权重因子改进正余弦策略的解，表示时刻维空间中的第个个体，表示搜索过程中找到的最佳解，表示步长搜索因子，和，且为随机数，，且为随机数； S103、为进一步跳出局部最优解并提高收敛速度，在开发阶段中引入自适应t分布，如式5所示： 5； 其中表示自适应分布系数，表示迭代次数，表示最大迭代次数；引入后的种群位置更新过程表示为： 6； 其中，表示时刻的个体位置，表示时刻的个体位置，，且为随机数； S104、利用提出的ICPO优化VMD关键参数，得到ICPO-VMD，进而ICPO-VMD得到更优的K个IMF分量，选取高频和低频IMF分量，筛选得到振动信号的更优样本熵时频域特征； S105、由ICPO-VMD筛选得到的更优样本熵时频域特征、筛选的时域特征和频域特征，组成高维特征数据； S2、特征降维，采用改进的堆叠编码器ISAE对时域特征、频域特征、时频域特征组成的高维特征数据进行降维； S3、健康状态评估，以马氏距离为计算指标构建健康指数HI，利用改进的K-Means评估健康等级； S4、状态预测，引入深度分离卷积计算键值和添加残差连接对自注意力机制改进，得到改进的自注意力机制ISA，然后在TCN中引入ISA，得到改进的TCN，即ISA-TCN；依据S3中健康状态评估结果，利用ISA-TCN对滚动轴承健康状态进行预测。

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大连交通大学，其通讯地址为：辽宁省大连市沙河口区黄河路794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。