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！

龙图腾网获悉南京航空航天大学申请的专利一种基于关联分析和多任务学习的发动机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：CN118643401B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202410677216.5，技术领域涉及：G06F18/2415；该发明授权一种基于关联分析和多任务学习的发动机寿命预测方法是由刘君强;顾嘉宇;左洪福设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种基于关联分析和多任务学习的发动机寿命预测方法在说明书摘要公布了：本发明公开了一种基于关联分析和多任务学习的发动机寿命预测方法，获取发动机运行过程中由传感器检测到的数据并进行处理；生成初始健康指数HI；利用突变点将初始健康指数划分正常阶段和退化阶段；利用训练之后的SINN模型还原初始健康指数退化阶段的随机过程和概率密度分布；生成对比学习健康指数和全局健康指数，再利用级联NTM模型基于全局健康指数进行发动机剩余使用寿命预测。本发明利用SINN对退化特征进行统计分析，根据概率密度函数和KL散度得到故障模式，级联NTM模型在预测性能和运行时间成本之间实现较好的权衡；基于一对多模型的参数迁移实现了故障分析与寿命预测的自动化算程，采用的NSGA‑II微调算法平衡了时间和性能，具备实际应用价值。

本发明授权一种基于关联分析和多任务学习的发动机寿命预测方法在权利要求书中公布了：1.一种基于关联分析和多任务学习的发动机寿命预测方法，其特征在于，包括如下步骤： 步骤1：获取发动机运行过程中由传感器检测到的数据，并将该数据进行归一化无量纲处理； 步骤2：利用自注意力机制对处理之后的数据进行多参数融合，生成初始健康指数HI； 步骤3：构建基于NTM的变点检测模型，对该变点检测模型进行训练，利用训练之后的变点检测模型寻找突变点，利用突变点将初始健康指数划分正常阶段和退化阶段； 步骤4：构建SINNStatistics-InformedNeuralNetwork模型并进行训练，利用训练之后的SINN模型还原初始健康指数退化阶段的随机过程和概率密度分布，基于概率密度分布的差异识别不同的故障模式； 步骤5：构建对比学习模型并进行训练，利用训练之后的对比学习模型获得初始健康指数退化阶段的高维表示，生成对比学习健康指数； 步骤6：将退化阶段的随机过程与对比学习健康指数进行特征拼接，生成全局健康指数，再利用级联NTM模型基于全局健康指数进行发动机剩余使用寿命预测，其中级联NTM模型由多个相同的NTM逐级连接组成，每个NTM以LSTM为控制器； 步骤7：使用一对多的参数迁移和NSGA-II微调算法，将训练后的变点检测模型的参数迁移至后续任务，利用NSGA-II优化微调部分参数，使用发动机数据集进行实例验证，并进行消融分析。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。