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！

龙图腾网获悉北京理工大学申请的专利数据和模型混合驱动的机械部件剩余使用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：CN116187193B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310193095.2，技术领域涉及：G06F30/27；该发明授权数据和模型混合驱动的机械部件剩余使用寿命预测方法是由王钢;曹宏杰;孙健;甘明刚;陈杰设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本数据和模型混合驱动的机械部件剩余使用寿命预测方法在说明书摘要公布了：本发明公开一种数据和模型混合驱动的机械部件剩余使用寿命预测方法，涉及设备智能制造和健康管理领域。本发明方法采用拓展卡尔曼滤波对指数随机模型进行参数校准，通过混合驱动预测模型的自适应编码层自动学习输入嵌入的位置信息，然后通过多头自注意力机制建模输入数据与剩余使用寿命间的映射关系。本发明结合校准的指数随机模型和多头注意力神经网络结构，同时保留了基于模型方法的准确性和数据驱动方法的泛化能力，能够提升机械部件剩余使用寿命预测的准确度，对数据模型混合驱动方法在智能制造和机械设备健康管理领域的应用具有重要意义。

本发明授权数据和模型混合驱动的机械部件剩余使用寿命预测方法在权利要求书中公布了：1.一种数据和模型混合驱动的机械部件剩余使用寿命预测方法，其特征在于，包括： 获取机械部件的原始状态监测数据，所述原始状态监测数据包含水平和垂直方向的传感器监测的振动信号； 采用指数随机模型对机械部件退化过程进行建模并建立系统状态空间方程； 基于所述系统状态空间方程，通过拓展卡尔曼滤波器对所述指数随机模型进行参数估计，得到最优状态估计； 基于首次预测时间获取机械部件退化阶段的状态监测数据，并采用快速傅里叶变换得到退化阶段状态监测数据对应的频域数据； 根据所述最优状态估计和所述频域数据构建所有机械部件的神经网络训练数据集； 建立混合驱动预测模型，包括全连接层、一维卷积长短记忆网络自适应编码层、多头注意力机制模块、前馈模块以及全连接回归层；其中，所述全连接层用于将所述最优状态估计映射为特征向量；所述一维卷积长短记忆网络自适应编码层用于对所述频域数据进行自适应位置编码；所述全连接层输出的特征向量与所述一维卷积长短记忆网络自适应编码层输出的编码特征一同输入至所述多头注意力机制模块；所述多头注意力机制模块的输出经所述前馈模块处理后输入至所述全连接回归层，将融合的特征嵌入映射到剩余使用寿命； 采用所述神经网络训练数据集对所述混合驱动预测模型进行训练和测试，得到训练好的混合驱动预测模型； 采用所述训练好的混合驱动预测模型预测机械部件的剩余使用寿命。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。