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！

龙图腾网获悉浙江工业大学;浙大城市学院申请的专利一种基于多智能体的航空发动机维护策略优化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：CN119919118B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411980897.9，技术领域涉及：G06Q10/20；该发明授权一种基于多智能体的航空发动机维护策略优化方法是由张华;姚喆赫;万安平;纪晓声;程晓民;蒋俊杰;陈挺;单添敏;王景霖设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于多智能体的航空发动机维护策略优化方法在说明书摘要公布了：本发明公开了一种基于多智能体的航空发动机维护策略优化方法，包括以下步骤：步骤一：采集航空发动机关键寿命部件的运行状态参数及环境参数对采集到的运行状态和环境参数进行预处理，然后进行数据填充，得到时间序列数据集；步骤二：构建自编码器网络模型，采用时间序列数据集对无监督混合的自编码器网络模型进行训练；步骤三：通过训练好的自编码器网络模型输出航空发动机单元的健康指数估计值，对航空发动机系统在全寿命周期内的性能退化进行划分健康状态等级；步骤四：构建并训练多智能体深度强化学习模型，制订维护策略。本发明能够提高航空发动机维护策略的可靠性，减少检测资源的浪费，具有更广泛的适用性。

本发明授权一种基于多智能体的航空发动机维护策略优化方法在权利要求书中公布了：1.一种基于多智能体的航空发动机维护策略优化方法，其特征在于，包括以下步骤： 步骤一：采集航空发动机关键寿命部件的运行状态参数及环境参数，对采集到的运行状态和环境参数进行预处理，然后进行数据填充，得到时间序列数据集； 步骤二：构建注意力-残差块增强的自编码器网络模型，采用时间序列数据集对注意力-残差块增强的自编码器网络模型进行训练； 步骤三：通过训练好的自编码器网络模型输出航空发动机单元的健康指数估计值；基于健康指数估计值，对航空发动机系统在全寿命周期内的性能退化进行划分健康状态等级； 步骤四：构建并训练多智能体深度强化学习模型，根据健康状态等级和多智能体深度强化学习模型，制订维护策略； 步骤二中，所述注意力-残差块增强的自编码器网络模型由编码层、全连接层、约束层和解码层组成； 所述编码层用于接收多通道的时间序列输入，包括传感器信号参数、运行条件以及一个时间步长输入；输入时间序列数据集通过由卷积层和自注意力机制层组成的残差-注意力块进行处理，其中，注意力块通过卷积操作生成注意力权重，并对输入进行加权，增强自编码器网络模型对重要特征的关注，残差结构则通过将输入与卷积操作后的输出进行逐元素相加； 所述全连接层将卷积特征展平，并映射到潜在表示空间； 所述约束层结合相关性损失和梯度损失，通过捕捉输入特征与时间步长之间的关系，优化自编码器网络模型的表示能力，过程如下： ；； ； 其中，是相关性损失，是梯度损失，是相关性梯度加权损失，和分别表示时刻的编码层的输出和时间步长，和分别表示和t的均值，和为权重参数，表示均方误差损失值，是样本总数； 所述解码层将潜在表示重复并与环境数据输入到解码阶段，解码阶段通过一系列反向的卷积和残差块，逐步恢复原始输入特征的维度，最终输出一个与输入特征维度相同的序列； 所述注意力-残差块增强的自编码器网络模型的训练过程采用动态学习率调整策略：将时间序列数据集输入至自编码器网络模型中进行训练，选择初始学习率，并在训练过程中的前10个训练回合保持不变；从第11个回合开始，学习率以指数形式进行衰减，使得自编码器网络模型快速收敛；而在后期逐步降低学习率，得到最优解，完成注意力-残差块增强的自编码器网络模型训练。

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浙江工业大学;浙大城市学院，其通讯地址为：310000 浙江省杭州市西湖区留和路288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。