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！

龙图腾网获悉武汉科技大学申请的专利基于最优时频谱与CNN-ALSTM网络的滚动轴承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：CN117235481B 。

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：202311188927.8，技术领域涉及：G06F18/2111；该发明授权基于最优时频谱与CNN-ALSTM网络的滚动轴承寿命预测方法是由严保康;陈锦涛;吕旭;卢少武;马娅婕;周凤星;但峰;宁博文设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本基于最优时频谱与CNN-ALSTM网络的滚动轴承寿命预测方法在说明书摘要公布了：本发明公开了一种基于最优时频谱与CNN‑ALSTM网络的滚动轴承寿命预测方法，包括：步骤1，获取轴承全寿命周期的振动数据集X＝{x1,x2,…,xn}，以时频能量评价指标作为适应度函数，通过蛇群优化算法对广义S变换的调节因子p进行寻优，得到振动数据集中每组振动数据的最优时频谱；步骤2，根据步骤1依次得到每组振动数据对应的最优时频谱，生成轴承全寿命周期的最优时频谱数据集S＝{S1,S2,…,Sn}；步骤3，在CNN网络结构的卷积层后增加一层稠密卷积层，将自注意力机制加入到LSTM网络的第一层，建立CNN‑ALSTM网络；将最优时频谱数据集S送入CNN‑ALSTM网络中进行训练，得到轴承的剩余使用寿命预测模型。本发明可提高旋转机械轴承部件的预测精度，达到旋转机械设备剩余使用寿命的精准预测目的。

本发明授权基于最优时频谱与CNN-ALSTM网络的滚动轴承寿命预测方法在权利要求书中公布了：1.一种基于最优时频谱与CNN-ALSTM网络的滚动轴承寿命预测方法，其特征在于，该方法包括以下步骤： 步骤1，获取轴承全寿命周期的振动数据集X={x1,x2,…,xn}，以时频能量评价指标作为适应度函数，通过蛇群优化算法对广义S变换的调节因子p进行寻优，得到振动数据集中每组振动数据的最优时频谱； 步骤2，根据步骤1依次得到每组振动数据对应的最优时频谱，生成轴承全寿命周期的最优时频谱数据集S={S1,S2,…,Sn}； 步骤3，在CNN网络结构的卷积层后增加一层稠密卷积层，并将自注意力机制加入到LSTM网络的第一层，建立CNN-ALSTM网络；将最优时频谱数据集S送入CNN-ALSTM网络中进行训练，得到轴承的剩余使用寿命预测模型； 所述步骤3的方法具体包括： 在CNN网络结构的卷积层后面，增加一层卷积核为1的稠密卷积层，将所有时频谱数据集S经过CNN网络两次卷积层、稠密卷积层和池化层的训练，得到时频谱的k维深度特征向量y1,y2,…,yk； 以k维深度特征向量y1,y2,…,yk为输入向量，轴承剩余寿命为输出向量，通过ALSTM网络训练出轴承剩余寿命预测模型；为了剔除k维深度特征向量y1,y2,…,yk中的无效特征及冗余信息，从而提高预测的准确性，将自注意力机制加入到LSTM网络的第一层，从而获得k维深度特征向量y1,y2,…,yk的最优权值分配； 在LSTM网络的输入端加入自注意力机制，用于筛选有利特征并自动分配权重，突出有利特征，并剔除无用特征；在LSTM网络的全连接层前，加入残差-时间注意力模块，用于运用残差的优势解决LSTM网络由于实验数据量大造成的梯度消失问题，并优化预测结果。

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武汉科技大学，其通讯地址为：430081 湖北省武汉市青山区和平大道947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。