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！

龙图腾网获悉青岛理工大学申请的专利碱性电解槽的剩余寿命预测方法、系统及介质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：CN120874556B 。

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：202510976667.3，技术领域涉及：G06F30/27；该发明授权碱性电解槽的剩余寿命预测方法、系统及介质是由穆国庆;周杰;陈锋;田晓彤;何帅;侯杰;刘井响;吴永玲;权利敏;国珍设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本碱性电解槽的剩余寿命预测方法、系统及介质在说明书摘要公布了：本申请涉及碱性电解槽剩余寿命预测领域，公开了一种碱性电解槽的剩余寿命预测方法、系统及介质，方法包括：S1、获取目标域数据和源域数据，S2、构建预训练模型，利用源域数据SYY对预训练模型进行训练；S3、构建目标模型，利用目标域数据训练集SMXMX对目标模型进行训练；提取归一化后目标域数据训练集SMXMX的外部特征表示和内部特征表示利用外部特征表示和S2中提取的外部特征进行对抗训练；S4、利用训练好的目标模型进行剩余寿命预测。本申请提取全局特征，规避局部特征差异所引发的负迁移效应并提升模型在数据稀缺环境下对剩余寿命预测的准确性。

本发明授权碱性电解槽的剩余寿命预测方法、系统及介质在权利要求书中公布了：1.碱性电解槽的剩余寿命预测方法，其特征在于，包括以下步骤： S1、获取目标域数据和源域数据： 将收集的碱性电解槽实际运行产生的健康指标数据作为目标域数据SM，基于碱性电解槽的物理机理构建仿真模型，生成仿真健康指标数据作为源域数据SY； S2、构建预训练模型，利用源域数据SY对预训练模型进行训练： 提取归一化后源域数据SY的外部特征和内部特征进行训练；并根据最小的预测误差来提取出最优的外部特征；所述外部特征用以表示碱性电解槽整个运行周期内健康指标的总体变化趋势，所述内部特征用以表示某个短时间间隔内的健康指标波动情况； S2中提取归一化后的源域数据SY的外部特征，包括：根据归一化后源域数据SY的尺度G，将归一化后源域数据SY划分为多个补丁，对每个补丁上的时间依赖性进行建模，以提取外部特征； 对于按照尺度大小G划分的源域数据，其中A×G=L，A为G尺度下的补丁数量，L表示输入数据的长度； 首先沿着特征维度d嵌入，以获得嵌入维度后的源域数据，其中dq表示嵌入后的维度； 按照尺度大小G排列数据，得到，其中，表示在进行尺度大小为G的排列后，特征维度的大小； 根据自注意力机制对进行可训练的线性变换以获得源域数据的外部特征提取器查询、源域数据的外部特征键和源域数据的外部特征提取器的值； 根据得到的、、计算外部特征，表示为： ； 其中，为归一化函数，T表示转置； 提取归一化后的源域数据SY的内部特征，包括从单个补丁内部提取信息，以捕捉碱性电解槽性能退化的局部细节； 按照大小为G的尺度对源域数据进行划分，划分后的补丁集合为，其中表示为第个补丁； 首先沿着特征维度d嵌入补丁，以获得第个嵌入维度后的补丁； 然后对进行可训练的线性变换，以获得源域数据内部特征提取器的键和源域数据内部特征提取器的值；并采用可训练源域数据内部特征提取器的查询来捕捉每个补丁的上下文的信息； 计算第个内部注意力，表示为： ； 其中，表示为第个补丁的内部注意力； 将所有补丁的注意力结果串联起来，形成G尺度上内部注意力的输出，表示为； ； 经过线性变换得到内部特征提取器的输出，表示为： ； 其中，代表源域碱性电解槽健康指标数据中邻近时间步的局部细节，表示将所有补丁的注意力结果串联，源域内部特征提取器线性连接层的权重矩阵，为偏置项； S3、构建目标模型，利用目标域数据训练集SMX对目标模型进行训练： 提取归一化后目标域数据训练集的外部特征表示和内部特征表示，利用外部特征表示和S2中提取的外部特征进行对抗训练，在对抗训练中，针对外部特征表示和外部特征进行判别，根据判别误差来指导目标模型生成外部特征表示，使外部特征表示对齐外部特征，将训练好的目标模型生成的外部特征表示和内部特征表示求和后进行预测，得到未来健康指标数据的预测值，进而得到最终预测值； S4、利用训练好的目标模型进行剩余寿命预测： 将目标域数据SM输入训练好的目标模型输出最终预测值，根据输出的最终预测值和设备健康状态的健康指标数据yh和设备理论使用时间TL，预测碱性电解槽的剩余使用寿命T。

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青岛理工大学，其通讯地址为：266033 山东省青岛市市北区抚顺路11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。