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！

龙图腾网获悉北京建筑大学申请的专利基于概率化深度神经网络模型的机电设备性能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：CN115310703B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210955405.5，技术领域涉及：G06F18/20；该发明授权基于概率化深度神经网络模型的机电设备性能预测方法是由王金海;林云蕾;杨建伟;姚德臣;赵悦;胡忠硕;张泽腾设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本基于概率化深度神经网络模型的机电设备性能预测方法在说明书摘要公布了：本发明公开了一种基于概率化深度神经网络模型的机电设备性能预测方法，包括：构建概率化深度神经网络的预测模型；获取机电设备的性能参数向量，通过所述性能参数向量训练所述预测模型；基于训练好的预测模型，对机电设备的性能数据和可靠度进行预测。本发明能够同时预测机电装备性能和可靠性的演化趋势，弥补传统方法在可靠性预测和风险控制上的不足，实现机电装备健康状态准确、快速的预测。

本发明授权基于概率化深度神经网络模型的机电设备性能预测方法在权利要求书中公布了：1.一种基于概率化深度神经网络模型的机电设备性能预测方法，其特征在于，包括以下步骤： 构建概率化深度神经网络的预测模型； 获取机电设备的性能参数向量，通过所述性能参数向量训练所述预测模型； 基于训练好的预测模型，对机电设备的性能数据和可靠度进行预测； 获取机电设备的性能参数向量的过程包括： 机电设备的不同位置上安装振动传感器； 通过所述振动传感器，得到机电设备的性能参数向量； 通过所述性能参数向量训练所述预测模型的过程包括： 计算所述性能参数向量的特征向量； 基于所述振动传感器监测的时间单元，对所述特征向量进行矩阵构建，得到特征矩阵； 将所述特征矩阵输入至所述预测模型中，对所述预测模型进行训练，直至输出的误差减小到期望值，得到训练好的预测模型； 对机电设备的性能数据进行预测的过程包括： 将机电设备的性能数据输入至训练好的预测模型中，对机电设备的性能数据进行预测； 基于训练好的预测模型输出的预测值，计算机电设备的性能在概率1-α下的置信区间，通过所述置信区间，得到机电设备的性能预测结果； 对机电设备的可靠度进行预测的过程包括： 获取机电设备的性能数据； 将所述性能数据输入至训练好的预测模型，对机电设备的可靠度进行预测，得到机电设备的性能失效阈值，所述性能失效阈值的置信区间概率边界为机电装备的可靠度。

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建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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”。