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！

龙图腾网获悉重庆大学申请的专利一种时变神经维纳过程的轴承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：CN115526295B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211222269.5，技术领域涉及：G06N3/0442；该发明授权一种时变神经维纳过程的轴承剩余寿命预测方法是由尹爱军;龙振东设计研发完成，并于2022-10-08向国家知识产权局提交的专利申请。

本一种时变神经维纳过程的轴承剩余寿命预测方法在说明书摘要公布了：本发明公开一种时变神经维纳过程的轴承剩余寿命预测方法，包括以下步骤：1利用传感器获取轴承原始振动信号数据，将时域信号进行预处理转换为频域信号提取信号幅值谱特征；2建立基于时变维纳过程的Seq2seq神经网络模型；3根据鞅估计函数获得关于时间和振动幅值数据的漂移函数和扩散函数，训练Seq2seq模型，得到退化趋势函数和波动函数；4将退化趋势函数和波动函数用作基于维纳过程的退化趋势函数，以闭合形式计算剩余使用寿命的概率密度函数。本发明利用轴承退化失效过程中监测到的振动信号，提取振动信号的幅值谱，实现对轴承剩余寿命预测，提高基于维纳过程的退化模型参数估计的自适应性，实现准确的RUL预测。

本发明授权一种时变神经维纳过程的轴承剩余寿命预测方法在权利要求书中公布了：1.一种时变神经维纳过程的轴承剩余寿命预测方法，其特征在于，包括以下步骤： 1利用传感器获取轴承原始振动信号数据，对时域的轴承原始振动信号数据进行预处理，转换得到频域信号，提取信号幅值谱特征； 2建立基于时变维纳过程的Seq2seq神经网络模型； 3根据鞅估计函数获得关于时间和振动幅值数据的漂移函数μ和扩散函数σ，训练Seq2seq神经网络模型，得到退化趋势函数fμ和波动函数fσ； 4根据首次命中时间，将退化趋势函数fμ和波动函数fσ作为基于维纳过程的退化趋势函数，以闭合形式计算剩余使用寿命的概率密度函数； 所述基于维纳过程的Seq2seq模型包括输入层、编码层、解码层和输出层； 所述Seq2seq模型的输入层存储有漂移系数与扩散系数的估计函数； 所述编码层存储有若干层RNN，每层包括若干LSTM神经单元；所述编码层的输入为漂移系数与扩散系数，输出为编码向量； 所述解码层存储有若干层RNN，每层包括若干LSTM神经单元；所述解码层的输入为编码向量，输出为解码向量； 所述输出层的输入为解码向量，输出为退化趋势函数fμ和波动函数fσ； 漂移系数与扩散系数的估计函数的建立步骤如下： s1建立维纳过程函数，即： dXt＝μt,Xtdt+σt,XtdWt1 式中，Wt表示满足标准布朗运动的参数；μt,Xt是漂移系数；σt,Xt是扩散系数；维纳过程函数的解Xt表示t时刻的振动幅值数据； 维纳过程函数的解Xt满足下式： 式中，是确定退化过程在离散时间点的观测值；X0是初始观测值； s2对二维参数θ＝μ,σ2考虑基于鞅估计函数的估计量，得到关于θ的最优线性估计函数3和最优二次鞅估计函数4，即： 式中，时间差Δ＝ti-ti-1；G1θ为最优线性估计函数；G2θ为最优二次鞅估计函数；n为离散时间点数量； 其中，参数参数分别如下所示： 式中，F·、φ·均表示鞅估计函数；Eθ表示鞅的期望；V表示方差；xi-1表示振动幅值； s3令函数G1θ＝0，得到： 式中，β表示线性系数； s4令得到： s5建立漂移系数的估计函数8、扩散系数的估计函数9，即： 式中，XiΔ为振动幅值数据；为漂移系数的估计函数、扩散系数的估计函数； 计算剩余使用寿命的概率密度函数的步骤包括： 4.1建立轴承寿命T的数学表达式，即： T＝inf{t:Xt＞w∣X0＜w}14 式中，w为故障阈值； 4.2建立轴承剩余寿命T的概率密度函数fTt，即： 式中，σB表征波动函数fσ； 其中，参数SBt如下所示： 4.3更新维纳过程函数的解Xt，得到： Xt＝Xtk+ymt-ymtk+fσWt-tk17 4.4计算时间tk处轴承剩余使用寿命lk，即： lk＝t-tk18 式中，t为首次命中时间； 4.5在tk时刻的轴承剩余使用寿命相当于退化过程中第一次达到失效阈值wk＝w-Xtk，根据15，计算时间tk处轴承剩余使用寿命的概率密度函数即： 式中，yμ表示输出；fμ表示退化趋势函数。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。