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！

龙图腾网获悉河北科技大学申请的专利基于多模态融合特征的剩余寿命预测方法、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：CN121051395B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511587510.8，技术领域涉及：G06F18/20；该发明授权基于多模态融合特征的剩余寿命预测方法、装置及设备是由王军;曹勇;王会霞;张亮;付凯;王帅;张博设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本基于多模态融合特征的剩余寿命预测方法、装置及设备在说明书摘要公布了：本发明提供一种基于多模态融合特征的剩余寿命预测方法、装置及设备，涉及轴承剩余寿命预测技术领域。该方法包括：提取目标设备的故障信号的时频特征，并基于时频特征构建故障信号的多模态特征矩阵；其中，故障信号为目标设备的轴承的振动加速度信号；基于SwinTransformer模型对多模态特征矩阵进行局部特征提取，得到故障信号的局部特征向量；基于双向长短期记忆网络对多模态特征矩阵进行全局特征提取，得到故障信号的全局特征向量；将局部特征向量和全局特征向量融合，得到故障信号的融合特征，并基于融合特征预测目标设备的轴承的剩余寿命。本发明具备高精度、强泛化和低成本部署的优势，适用于工业环境下的轴承故障预测与健康管理。

本发明授权基于多模态融合特征的剩余寿命预测方法、装置及设备在权利要求书中公布了：1.一种基于多模态融合特征的剩余寿命预测方法，其特征在于，包括： 提取目标设备的故障信号的时频特征，并基于所述时频特征构建所述故障信号的多模态特征矩阵；其中，所述故障信号为所述目标设备的轴承的振动加速度信号； 基于SwinTransformer模型对所述多模态特征矩阵进行局部特征提取，得到所述故障信号的局部特征向量； 基于双向长短期记忆网络对所述多模态特征矩阵进行全局特征提取，得到所述故障信号的全局特征向量； 将所述局部特征向量和所述全局特征向量融合，得到所述故障信号的融合特征，并基于所述融合特征预测所述目标设备的轴承的剩余寿命； 所述基于双向长短期记忆网络对所述多模态特征矩阵进行全局特征提取，得到所述故障信号的全局特征向量，包括： 将所述多模态特征矩阵输入双向长短期记忆网络，得到所述故障信号的时序全局特征向量； 基于KAN网络通道注意力学习模块对所述时序全局特征向量进行注意力加权，得到所述故障信号的加权后的全局特征矩阵； 对加权后的全局特征矩阵进行全局平均池化，得到所述故障信号的全局特征向量。

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河北科技大学，其通讯地址为：050018 河北省石家庄市裕华区裕翔街26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。