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！

龙图腾网获悉浙江大学申请的专利变工况下航空发动机自监督表征与寿命预测迁移建模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：CN115329666B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210936516.1，技术领域涉及：G06F30/27；该发明授权变工况下航空发动机自监督表征与寿命预测迁移建模方法是由赵春晖;姚家琪;吴宇伦设计研发完成，并于2022-08-05向国家知识产权局提交的专利申请。

本变工况下航空发动机自监督表征与寿命预测迁移建模方法在说明书摘要公布了：本发明公开一种变工况下航空发动机自监督表征与寿命预测迁移建模方法，首先构建了基于自注意力机制的航空发动机退化特征提取器，该特征提取器能够有效利用航空发动机中的时序上下文长短期依赖进行全局建模，提取退化特征。在此基础上利用对原始数据掩码并重构的方式自监督预训练该特征提取器，使特征提取器所提取到的特征更强的泛化表征能力，然后在复杂工况场景下为该特征提取器添加寿命预测网络层并微调，实现变工况下航空发动机迁移建模与高效的寿命预测。该方法降低了基于端到端深度学习的航空发动机寿命预测模型对训练数据量以及数据分布的要求，为运维决策人员提供了更加可靠的参考，能够在降低运维成本的同时提高航空发动机的运行可靠性。

本发明授权变工况下航空发动机自监督表征与寿命预测迁移建模方法在权利要求书中公布了：1.一种变工况下航空发动机自监督表征与寿命预测迁移建模方法，其特征在于，包括以下步骤： 收集单一常见工况下的航空发动机运行数据，构建预训练数据集；所述预训练数据集的每个样本为多个运行周期的航空发动机运行数据，其中，部分运行周期的航空发动机运行数据带有掩码，每个运行周期的航空发动机运行数据由多个传感器数据及当前已运行时间组成； 构建预训练模型，所述预训练模型包括依次连接的输入模块、基于自注意力机制的航空发动机退化特征编码器与解码器；其中，输入模块包括嵌入层和位置编码器；所述嵌入层用于将输入的向量嵌入至高维空间，获得高维嵌入向量；位置编码器用于对输入的高维嵌入向量进行位置编码获得嵌入与位置编码后的向量；所述基于自注意力机制的航空发动机退化特征编码器包括依次连接的多个多头自注意力特征提取模块，每个多头自注意力特征提取模块至少包括多个自注意力头、全连接层和归一化模块，其中每个自注意力头用于基于输入的向量获得带有注意力的特征向量；全连接层用于将各个自注意力头输出的带有注意力的特征向量进行拼接融合，输出带有多头自注意力的特征向量； 归一化模块用于对带有多头自注意力的特征向量归一化； 解码器用于依据基于自注意力机制的航空发动机退化特征编码器输出的特征向量进行解码； 将预训练数据集中的每个样本作为预训练模型的输入，其中未掩码数据对应的高维嵌入向量经基于自注意力机制的航空发动机退化特征编码器编码获得带有多头自注意力的输出向量，带有多头自注意力的输出向量与带掩码数据对应的高维嵌入向量经解码器解码，并以最小化解码器输出与带掩码的原始航空发动机运行数据的损失为目标进行训练，训练完成后，丢弃解码器，将训练好的输入模块、基于自注意力机制的航空发动机退化特征编码器与一寿命预测神经网络层构成变工况下航空发动机高效寿命预测的神经网络模型； 收集复杂工况下的航空发动机运行数据，构建复杂工况下航空发动机剩余寿命预测数据集；其中，所述复杂工况下航空发动机剩余寿命预测数据集的每个样本为多个运行周期的航空发动机运行数据，每个运行周期的航空发动机运行数据由多个传感器数据及当前已运行时间组成；每个样本的标签为剩余寿命； 将复杂工况下航空发动机剩余寿命预测数据集中的每个样本作为变工况下航空发动机高效寿命预测的神经网络模型的输入，以最小化模型输出与标签的损失为目标进行训练，获得训练好的变工况下航空发动机高效寿命预测的神经网络模型。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。