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！

龙图腾网获悉中国南方航空股份有限公司申请的专利航空发动机中高压涡轮叶片的寿命预测方法、装置及设备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：CN119442846B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411436173.8，技术领域涉及：G06F30/27；该发明授权航空发动机中高压涡轮叶片的寿命预测方法、装置及设备是由王储;王锦申;陈键;吴宪;张键;林育森;杨铭;杨乐;李宇飞设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本航空发动机中高压涡轮叶片的寿命预测方法、装置及设备在说明书摘要公布了：本申请涉及风险检测技术领域，公开了一种航空发动机中高压涡轮叶片的寿命预测方法、装置及设备，其中，所述方法包括：统计与航空发动机相关的多维的因子参数，并将所述多维的因子参数分解为多个特征参数组；获取所述特征参数组的数据样本集，并选择适配于所述特征参数组的参数模型；利用所述数据样本集对所述参数模型进行训练和验证，并将验证结果满足预设条件的参数模型添加至模型缓存池；从所述模型缓存池中筛选代表模型，并利用代表模型，对目标发动机的实际数据进行多维度预测；生成针对所述目标发动机的风险预测级别。本申请提供的技术方案，能够准确预测发动机的风险等级，进而获知高压涡轮叶片的使用寿命。

本发明授权航空发动机中高压涡轮叶片的寿命预测方法、装置及设备在权利要求书中公布了：1.一种航空发动机中高压涡轮叶片的寿命预测方法，其特征在于，所述方法包括： 统计与航空发动机相关的多维的因子参数，并将所述多维的因子参数分解为多个特征参数组，所述多维的因子参数用于表征发动机性能参数和或飞行状态参数，所述特征参数组中包括一个或者多个因子参数； 针对任一特征参数组，获取所述特征参数组的数据样本集，并根据所述特征参数组中包含的因子参数的数量，选择适配于所述特征参数组的参数模型；其中，若所述特征参数组中包含的因子参数的数量多于1个，选择的所述参数模型中至少包括用于执行权重拆分的并行网络分支； 利用所述数据样本集对所述参数模型进行训练和验证，并将验证结果满足预设条件的参数模型添加至模型缓存池； 从所述模型缓存池中为各个特征参数组筛选各自的代表模型，并利用筛选出的各个代表模型，分别对目标发动机的实际数据进行多维度预测，得到多个单维度预测结果； 基于为各个所述特征参数组分配的权重系数，对所述多个单维度预测结果进行加权求和，以生成针对所述目标发动机的风险预测级别，其中，所述风险预测级别用于表征所述目标发动机中高压涡轮叶片的使用寿命； 在利用所述数据样本集对所述参数模型进行训练和验证的过程中，所述参数模型按照以下方式对数据样本集中的数据样本进行处理： 若所述特征参数组中包含的因子参数的数量为1个，对所述数据样本进行归一化处理，并采用三层全连接网络对归一化后的特征进行特征分类，其中，每层全连接网络中添加L2正则化机制进行修正，并添加早停机制防止过拟合，在ReLU函数的基础上自定义了损失函数，所述损失函数对实际样本为不健康状态，但预测结果为健康状态的情况添加惩罚； 若所述特征参数组中包含的因子参数的数量多于1个，对所述参数模型的权重进行拆分，其中，拆分后的第一部分权重进入随机遗忘分支，第二部分权重进入特征处理分支，所述特征处理分支中包括卷积层、批归一化层和池化层；所述随机遗忘分支和所述特征处理分支各自输出的权重进行整合后，进入注意力层进行权重的动态分配；采用三层全连接网络对动态分配权重后的特征进行特征分类，其中，每层全连接网络中添加L2正则化机制进行修正，并添加早停机制防止过拟合，在ReLU函数的基础上自定义了损失函数，所述损失函数对实际样本为不健康状态，但预测结果为健康状态的情况添加惩罚。

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中国南方航空股份有限公司，其通讯地址为：510000 广东省广州市齐心路68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。