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！

龙图腾网获悉北京工业大学申请的专利一种基于数据增强的航空发动机剩余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：CN114547986B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210188342.5，技术领域涉及：G06F30/27；该发明授权一种基于数据增强的航空发动机剩余寿命预测方法是由赵德群;赵嘉宇;张雅栋设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本一种基于数据增强的航空发动机剩余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数据增强的航空发动机剩余寿命预测方法，本发明提出了一种多路径特征融合网络模型以及数据增强算法。首先，通过一种数据增强方式扩大数据集的样本数量，以此来提高预测的准确性；其次，构建多路径特征融合预测模型，选择两条不同路径提取特征：第一路径将数据输入卷积神经网络CNN与门控循环单元GRU，分别提取空间特征和时序特征；第二条路径将数据直接输入长短期记忆网络LSTM获取时序特征。最后将两条路径输出特征融合输入全连接层进行RUL预测。相对于现有网络模型，本发明能够有效提高此类设备的剩余寿命预测精度，具有实际应用价值。

本发明授权一种基于数据增强的航空发动机剩余寿命预测方法在权利要求书中公布了：1.一种基于数据增强的航空发动机剩余寿命预测方法，其特征在于，包括以下步骤： 步骤1：利用一种数据增强算法对训练数据进行增强，并对其和测试数据采取z-score方法进行归一化；数据增强方式为：利用发动机完整的训练轨迹生成部分训练轨迹，每个部分训练轨迹都是在完整训练轨迹的线性退化过程中生成一个随机点，在此点处将完整训练轨迹截断所得，将所得部分训练轨迹拼接于完整训练轨迹之后实现数据增强；生成的部分训练轨迹表示设备在到达故障点之前的性能轨迹； 步骤2：构建多路径特征融合预测模型，将步骤1处理后的数据输入模型提取数据中的不同特征；利用CNN、GRU、LSTM构建多路径特征融合预测模型，对输入的数据进行特征提取；CNN和GRU为模型的第一条路径，CNN对输入数据提取空间特征后输入GRU提取数据的时序特征，LSTM为模型的第二条路径，提取输入数据的时序特征； 步骤3：将步骤2提取出的特征进行融合，并输入全连接层进行最终剩余寿命预测；具体的，对步骤2中的多路径特征融合预测模型中分别提取的两条路径上的特征采用Tensorflow中的concat方法进行融合，融合为时空特征后将其输入两层全连接层进行剩余寿命预测； 步骤4：采用两种评估方法对模型进行评估，验证数据增强的有效性，并与其他模型做出比较；采用均方根误差RMSE和评分函数Score对步骤3预测的剩余寿命值进行评估，RMSE评价模型无偏估计的能力，Score加大了滞后预测的惩罚权重，RMSE和Score表达式如下： 式中，Ei表示第i个预测的误差，Ei0表示超前预测，Ei0表示滞后预测。

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工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。