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数模联动的多状态复杂系统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：CN118606759B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202410752674.0，技术领域涉及：G06F18/24；该发明授权一种数模联动的多状态复杂系统剩余寿命预测方法是由蔡景;李鑫;张航源;程冲;王正琳设计研发完成，并于2024-06-12向国家知识产权局提交的专利申请。

本一种数模联动的多状态复杂系统剩余寿命预测方法在说明书摘要公布了：本发明公开了一种数模联动的多状态复杂系统剩余寿命预测方法，具体为：步骤1：采用三状态的隐半马尔科夫模型描述系统的退化过程，其中三状态包括健康状态A，不健康状态B，和失效状态；步骤2：从宏观和微观尺度分析多状态复杂系统在隐状态的驻留时间分布以及状态转移概率；步骤3：通过hyper‑Erlang分布和转移概率，将连续时间三状态半马尔科夫链转化为多状态马尔科夫链；步骤4：构建随机退化模型；步骤5：估计随机退化模型中未知的状态参数和观测参数；步骤6：基于估计的状态参数和观测参数对多状态复杂系统剩余寿命实时预测。

本发明授权一种数模联动的多状态复杂系统剩余寿命预测方法在权利要求书中公布了：1.一种数模联动的多状态复杂系统剩余寿命预测方法，其特征在于，包括如下步骤： 步骤1：采用三状态的隐半马尔科夫模型描述系统的退化过程，其中三状态包括健康状态A，不健康状态B，和失效状态；对隐状态进行分级，得到健康状态A的k1个子状态，和不健康状态B的k2个子状态，建立新的状态空间Θ，Θ＝{K1,K2,K3}，K1表示健康状态的子状态集合，K1＝{1,...,k1}，K2表示不健康状态的子状态集合，K2＝{k1+1,...,k1+k2}，K3表示失效子状态；所述隐状态为健康状态A或不健康状态B； 步骤2：从宏观和微观尺度分析多状态复杂系统在隐状态的驻留时间分布以及状态转移概率j＝1,2,…,k；γ表示转移速率，当多状态复杂系统处于健康状态A时，k＝k1，γ＝λ，当多状态复杂系统处于不健康状态时，k＝k2，γ＝μ，τ表示多状态复杂系统在隐状态的驻留时间，X表示隐状态； 步骤3：通过hyper-Erlang分布和转移概率，将连续时间三状态半马尔科夫链转化为多状态马尔科夫链； 步骤4：构建随机退化模型； 步骤5：估计随机退化模型中未知的状态参数和观测参数； 步骤6：基于估计的状态参数和观测参数对多状态复杂系统剩余寿命实时预测； 所述步骤2中采用hyper-Erlang分布描述多状态复杂系统在隐状态的驻留时间分布： 其中，表示子状态为i且转移速率为γ的Erlang分布的累积分布函数，F.表示hyper-Erlang分布的累积分布函数； 多状态复杂系统在隐状态的转移概率表达式如下所示： 其中，Pr表示概率分布函数； 步骤6具体为： 根据多状态复杂系统在健康状态的驻留时间服从k1阶状态空间为{1,2,...,k1}的相型分布PHα1,T1，多状态复杂系统在不健康状态的驻留时间服从k2阶状态空间为{1,2,...,k2}的相型分布PHα2,T2以及多状态复杂系统的失效时间ξ服从相型分布PHα*,T*；在第n次采样时刻多状态复杂系统剩余寿命的条件可靠度函数和多状态复杂系统平均剩余寿命的表达式如下所示： 剩余寿命的条件可靠度函数： 平均剩余寿命： 其中，nΔ表示第n次采样的时刻，t1表示nΔ之后的时刻，表示第n次采样时的后验概率向量，πni1表示第n次采样时，多状态复杂系统处于子状态i1的后验概率，i1＝1,2,...,k1+k2；T*，α*，T1，α1，T2和α2的表达式如下所示， 其中，'表示矩阵转置，表示当多状态复杂系处于健康状态时，当前时刻第1个子状态结束，下一时刻系统以概率转出健康状态，表示当多状态复杂系处于不健康状态时，当前时刻第1个子状态结束，下一时刻系统以概率转出不健康状态； 该方法是还包括对传感器采集到多源观测数据进行降维处理，得到降维后的参数。

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：213300 江苏省常州市溧阳市滨河东路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”。