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！

龙图腾网获悉杭州杭叉机械设备制造有限公司申请的专利采用迁移学习的叉车属具疲劳寿命预测方法及系统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：CN120995618B 。

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：202511517760.4，技术领域涉及：G06F30/17；该发明授权采用迁移学习的叉车属具疲劳寿命预测方法及系统是由朱炜;谢钰红;江志明;牛长乐设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本采用迁移学习的叉车属具疲劳寿命预测方法及系统在说明书摘要公布了：本发明涉及机械寿命预测技术领域，特别涉及一种采用迁移学习的叉车属具疲劳寿命预测方法及系统。获得疲劳频繁点列表和频繁受力方向列表；以属具结构拓扑、属具材料参数、疲劳频繁点列表和频繁受力方向列表为约束，采集若干一一对应的第一属具作业工况时序数据和第一标识疲劳寿命的标签，训练疲劳寿命预测基础模型；以目标叉车属具型号、疲劳频繁点列表和频繁受力方向列表，采集若干一一对应的第二属具作业工况时序数据和第二标识疲劳寿命的标签，对疲劳寿命预测基础模型进行迁移学习，获得目标叉车属具疲劳寿命预测模型，执行叉车属具疲劳寿命预测任务。本发明解决了由于疲劳监测样本不足导致的疲劳寿命预测精度不足、效率低下的问题。

本发明授权采用迁移学习的叉车属具疲劳寿命预测方法及系统在权利要求书中公布了：1.采用迁移学习的叉车属具疲劳寿命预测方法，其特征在于，包括： 加载目标叉车属具的作业监测数据，执行疲劳位置频繁模式分析，获得疲劳频繁点列表； 基于所述作业监测数据，遍历所述疲劳频繁点列表，执行受力方向频繁模式分析，获得频繁受力方向列表； 以属具结构拓扑、属具材料参数、所述疲劳频繁点列表和所述频繁受力方向列表为约束，采集若干一一对应的第一属具作业工况时序数据和第一标识疲劳寿命的标签，训练疲劳寿命预测基础模型； 以目标叉车属具型号、所述疲劳频繁点列表和所述频繁受力方向列表，采集若干一一对应的第二属具作业工况时序数据和第二标识疲劳寿命的标签，对所述疲劳寿命预测基础模型进行迁移学习，获得目标叉车属具疲劳寿命预测模型，执行叉车属具疲劳寿命预测任务； 其中，以属具结构拓扑、属具材料参数、所述疲劳频繁点列表和所述频繁受力方向列表为约束，采集若干一一对应的第一属具作业工况时序数据和第一标识疲劳寿命的标签，训练疲劳寿命预测基础模型，包括： 基于所述属具结构拓扑和所述属具材料参数，构建一级约束； 基于所述疲劳频繁点列表和所述频繁受力方向列表，构建二级约束； 加载待分析属具样本集，其中，所述待分析属具样本集具有相同的待分析结构拓扑、待分析材料参数、待分析疲劳频繁点列表、待分析频繁受力方向列表、属具作业疲劳频繁点受力时序数据和属具作业环境监测时序信息； 当所述待分析结构拓扑与所述属具结构拓扑的结构拓扑相似度大于或等于结构拓扑相似度阈值，且所述待分析材料参数与所述待分析材料参数相同，视为满足一级约束； 当满足所述一级约束，且所述疲劳频繁点列表与所述待分析疲劳频繁点列表的点位分布相似度大于或等于点位分布相似度阈值，且所述频繁受力方向列表与所述待分析频繁受力方向列表的受力方向分布相似度大于或等于受力方向分布相似度阈值，视为满足二级约束； 当满足所述二级约束时，将所述属具作业疲劳频繁点受力时序数据和所述属具作业环境监测时序信息设为所述第一属具作业工况时序数据，对所述待分析属具样本集进行疲劳症状出现时长众数分析，获得所述第一标识疲劳寿命的标签； 其中以目标叉车属具型号、所述疲劳频繁点列表和所述频繁受力方向列表，采集若干一一对应的第二属具作业工况时序数据和第二标识疲劳寿命的标签，对所述疲劳寿命预测基础模型进行迁移学习，获得目标叉车属具疲劳寿命预测模型，所述疲劳寿命预测基础模型为多个拓扑不同的子模型取输出均值集成的模型，包括： 获得所述疲劳寿命预测基础模型的多个疲劳寿命预测基础子模型，其中，疲劳寿命预测基础模型包括3个子模型，分别为LSTM子模型、CNN-LSTM子模型、GRU子模型； 构建全连接神经网络，将多个疲劳寿命预测基础子模型并联至全连接神经网络的输入层； 以所述第二属具作业工况时序数据为多个疲劳寿命预测基础子模型的输入，以所述第二标识疲劳寿命的标签为所述全连接神经网络的输出，对所述疲劳寿命预测基础模型进行迁移学习，获得所述目标叉车属具疲劳寿命预测模型。

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杭州杭叉机械设备制造有限公司，其通讯地址为：310000 浙江省杭州市临安区青山湖街道大园路2799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。