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！

龙图腾网获悉陕西瀚光数字科技有限公司申请的专利一种风力发电机关键部件多工况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：CN116306302B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310309847.7，技术领域涉及：G06F30/27；该发明授权一种风力发电机关键部件多工况剩余寿命预测方法是由孔宪光;程涵;杨胜康;林颖;梁漱洋;殷磊设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种风力发电机关键部件多工况剩余寿命预测方法在说明书摘要公布了：本发明涉及风力发电设备预测维护技术领域，尤其涉及了一种风力发电机关键部件多工况剩余寿命预测方法，构建源域样本集DS和目标域样本集DT；构建特征提取器模块；构建多表征自适应模块；构建可迁移性注意力机制模块；构建剩余使用寿命预测器模块；构建域适应模块；训练剩余使用寿命预测模型；对目标域工况下风力发电机关键部件进行剩余使用寿命预测，将目标域测试样本集输入到建立的网络模型中，输出关键部件各个时刻的剩余使用寿命预测结果。该风力发电机关键部件多工况剩余寿命预测方法，提出中可迁移注意力机制模块，该模块可以在模型训练中动态激活具有高迁移性的退化特征，从而提高模型的泛化能力。

本发明授权一种风力发电机关键部件多工况剩余寿命预测方法在权利要求书中公布了：1.一种风力发电机关键部件多工况剩余寿命预测方法，其特征在于：包括以下步骤： S1：构建源域样本集DS和目标域样本集DT： 从历史数据库中选取风力发电机关键部件在两种不同工况下数据作为训练集和测试集；训练集数据由标记源域数据DS和未标记的目标域数据DT组成；测试集数据由无标记的目标域数据组成； S2：构建特征提取器模块MF； S3：构建多表征自适应模块MMR； S4：构建可迁移性注意力机制模块； S5：构建剩余使用寿命预测器模块MRP； S6：构建域适应模块MDA； 计算S4中提取的加权深度退化特征AF的条件分布差异损失，获得条件分布差异损失LDA； S7：训练剩余使用寿命预测模型； S8：对目标域工况下风力发电机关键部件进行剩余使用寿命预测，将目标域测试样本集输入到建立的网络模型中，输出关键部件各个时刻的剩余使用寿命预测结果； 所述S3中构建多表征自适应模块，具体包括以下步骤： 3a搭建一个由四个不同尺度并行连接的InceptionA网络作为多表征自适应模块MMR； 3b将深度退化特征F输入多表征自适应模块MMR，获得四个不同尺度的深度退化特征Fs1，Fs2，Fs3和Fs4； 所述S4中构建可迁移性注意力机制模块，具体包括以下步骤： 4a搭建4个由4层的全连接网络和Softmax激活函数层组成的域分类器； 4bS3中提取的尺度i深度退化特征Fsi输入该尺度对应的域分类器，获得域分类概率Pd和域分类标签ld； 4c将S3中提取的尺度i深度退化特征Fsi进行梯度翻转，并利用熵值H，计算公式如下： 4d将熵值H转换为注意力权重Wsi，计算公式如下： 4e将深度退化特征Fsi和该深度退化特征Fsi对应的注意力权重Wsi+1相乘获得加权深度退化特征AFsi; 4f通过负对数似然损失，域分类标签ld和域实际类别标签计算可迁移注意力损失LA。

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陕西瀚光数字科技有限公司，其通讯地址为：710100 陕西省西安市国家民用航天产业基地航天东路99号西安佳为科技产业园106栋702-14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。