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！

龙图腾网获悉沈阳工业大学申请的专利一种滚动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：CN120277357B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510339209.9，技术领域涉及：G06F18/20；该发明授权一种滚动轴承剩余寿命预测方法是由陈德志;张智翔;张国臻;方崇;张殿海;任自艳;李东霖;张宇献设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本一种滚动轴承剩余寿命预测方法在说明书摘要公布了：本发明公开了一种滚动轴承剩余寿命预测方法，首先，依据不同机械设备的不同工况下检测的数据，分成源域数据和目标域数据，然后构建训练集和验证集；把数据进行批量标准化处理；使用深度卷积神经网络对原始振动信号的时域特征、频域特征进行了提取并将时域和频域特征拼接起来组成可替代特征集；利用深层时序特征，输出全连接层，将深层时序特征与RUL标签比较；最后使用大量源域有标签数据重复学习不同工况的数据特征，校准特征与RUL对应值，构建特征与RUL的映射关系，随后加入Dropout层，从而构建模型并在源域测试集检验。该方法可以大大的降低数据重新标定标签所带来的人力、物力的耗费，更好地挖掘轴承内在退化趋势，有效提高剩余使用寿命预测精度。

本发明授权一种滚动轴承剩余寿命预测方法在权利要求书中公布了：1.一种滚动轴承剩余寿命预测方法，其特征在于，包括以步骤： 步骤1、获取不同机械设备的不同工况下检测的数据，将该数据分为源域数据和目标域数据，然后依据源域数据和目标域数据构建训练集和验证集； 步骤2、将源域数据和目标域数据进行批量标准化处理； 步骤3、使用深度卷积神经网络DCNN对原始振动信号的时域特征、频域特征进行特征提取，并将时域和频域特征拼接起来组成可替代特征集； 步骤4、利用深层时序特征，输出全连接层，将深层时序特征与RUL标签比较； 步骤5、使用大量源域中有标签的数据重复学习不同工况的数据特征，校准特征与RUL对应值，构建特征与RUL的映射关系，随后加入Dropout层，从而构建源域模型，并在源域测试集检验； 步骤6、利用源域模型和目标域无标签数据集，分析源域数据和目标域数据的参数特征、学习相似特征、最小化目标域和源域之间的分布差异； 步骤7、基于源域模型进行迁移训练，更新模型的参数，训练出迁移预测模型； 在步骤7中，建立迁移学习轴承寿命预测模型，在DCNN模型上进行迁移学习，并通过大量源域数据集对迁移预测模型进行预训练，保证该模型尽可能多的学习不同工况数据特征，同时利用迁移学习提取不同工况不同设备下振动信号的相似特征以减少源域和目标域之间的差异；在DCNN模型基础上结合迁移学习到的相似特征重新训练出迁移模型，用于目标域中的剩余寿命预测； 步骤8、通过迁移预测模型对不同设备不同工况信号进行滚动轴承的RUL进行预测并进行验证。

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沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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。