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！

龙图腾网获悉江苏科技大学申请的专利一种基于深度学习的涡扇发动机多级预测性维护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：CN116362125B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310323825.6，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的涡扇发动机多级预测性维护方法是由程德俊;周凯莉;张含冰;张春燕;张胜文;方喜峰;张辉;朱成顺设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种基于深度学习的涡扇发动机多级预测性维护方法在说明书摘要公布了：本发明公开了一种基于深度学习的涡扇发动机多级预测性维护方法。首先采集涡扇发动机的传感器数据和操作设置数据，进行预处理形成数据集并划分为训练集和测试集。其次将训练集输入C‑Transformer网络中，预测部件剩余寿命,利用分类准则重新为训练集和剩余寿命打标签，从而形成新的训练数据集。然后，将新训练数据集输入卷积神经网络CNN预测部件失效概率并计算系统失效概率，利用试错法得出系统维护等级。最后，将优化模型与MDU‑ABC‑K算法相结合，以总综合成本最小化为目标，输出最优动态维护策略。本发明能够为航空发动机的主动运维提供技术支撑，避免不可预测的故障，降低运营成本，减少意外停机，提高运维效率。

本发明授权一种基于深度学习的涡扇发动机多级预测性维护方法在权利要求书中公布了：1.一种基于深度学习的涡扇发动机多级预测性维护方法，其特征在于，包括以下步骤： 步骤1：采集涡扇发动机的传感器数据和操作设置数据； 步骤2：对步骤1中采集的传感器数据进行预处理形成数据集，并将数据集按8：2比例划分为训练集和测试集； 步骤3：将步骤2中划分好的训练集输入C-Transformer网络中，对数据集自适应提取特征，并进行剩余寿命预测； 步骤4：通过将训练集与步骤3预测所得的部件剩余寿命相结合，并利用分类准则重新打标签，从而形成新的训练数据集； 步骤5：将步骤4所得新的训练数据集输入卷积神经网络CNN预测部件失效概率； 步骤6：基于步骤5得到的部件失效概率，计算得到系统失效概率，并利用试错法得出系统维护等级； 步骤7：将步骤2中划分好的测试集送入在步骤3-步骤5中训练好的C-Transformer和CNN网络，并基于步骤6得到的系统维护等级，将优化模型与MDU-ABC-K算法相结合，优化模型的目标函数为总综合成本，最终输出最优动态维护策略；所述MDU-ABC-K算法的具体内容和方法步骤是，将蜂群ABC算法与多维更新和k近邻算法相结合，最终输出结果为总综合成本即由维护时间和维护费用组成最低的最优维护策略。

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江苏科技大学，其通讯地址为：212100 江苏省镇江市丹徒区长晖路666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。