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！

龙图腾网获悉太原理工大学申请的专利一种基于知识与数据融合驱动的航空发动机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：CN118965215B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202410960278.7，技术领域涉及：G06F18/2433；该发明授权一种基于知识与数据融合驱动的航空发动机寿命预测方法是由王莉;苗昊;张妮;宁泽飞;麻巍祥;陈玲玲设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种基于知识与数据融合驱动的航空发动机寿命预测方法在说明书摘要公布了：本发明提供一种基于知识与数据融合驱动的航空发动机寿命预测方法，属于航空发动机寿命预测技术领域；所要解决的技术问题为：提供一种基于知识与数据融合驱动的航空发动机寿命预测方法；解决该技术问题采用的技术方案为：采用编码‑解码器的总体架构，编码器从过去的观察中提取高级特征表示，解码器汇总过去的信息并持续优化预测结果；编码器中设计GRU‑SDE模块，利用随机微分方程SDE模拟发动机退化过程，在提取时序依赖的同时更准确地模拟退化的不确定性和随机性；针对发动机固有知识构建知识图谱，获得基于知识的多传感器关系矩阵；随机初始化基于数据的关系矩阵，两者在训练过程中实现自适应融合；本发明应用于航空发动机寿命预测。

本发明授权一种基于知识与数据融合驱动的航空发动机寿命预测方法在权利要求书中公布了：1.一种基于知识与数据融合驱动的航空发动机寿命预测方法，其特征在于：包括如下的预测步骤： 步骤一：采用K-means聚类算法基于操作设置获得不同的条件分类，并对每一个条件分类的类别采用z-score操作对数据进行标准化处理，处理采用的计算公式为： 式中：S表示传感器的集合，C表示条件的集合，i和j分别表示第i个传感器和第j个条件分类，ui，j和σi，j分别表示第j个条件分类下第i个传感器的平均值和标准差,xi，j和zi,j分别表示标准化前和标准化后的数据； 然后采用指数加权移动平均法对数据进行平滑处理，处理采用的计算公式为： z′t＝α*zt+1-α*z′t-1； 式中：z′t表示zt滤波后的值，α表示滤波系数，t表示时间步； 步骤二：基于随机微分方程和领域知识对航空发动机RUL预测模型进行构建： 步骤2-1：采用标准的1×1卷积，将预处理后的数据Z∈RT×N投影到潜在高维空间，获得原始数据的嵌入表示X，表达式为：X＝EmbeddingZ； 步骤2-2：利用编码器提取数据的高级特征表示： 步骤2-2-1：通过门控循环单元GRU处理数据，捕获时序依赖关系，获得隐藏状态； 步骤2-2-2：利用随机微分方程SDE对发动机退化过程进行建模； 步骤2-2-3：利用门控循环单元GRU输出求解随机微分方程SDE，获得原始数据的特征矩阵； 步骤2-2-4：构建航空发动机知识图谱，具体归纳得到航空发动机组件之间的组成关系、连接关系、流向关系、监测关系，具体方法为： 对组成关系进行归纳：描述构成涡扇发动机整体系统的各个组件； 对连接关系进行归纳：描述涡扇发动机中各个组件之间的物理连接方式； 对流向关系进行归纳：描述涡扇发动机中气体和液体的流动路径； 对监测关系进行归纳：描述涡扇发动机中各个组件的关键参数由哪些传感器监测； 基于上述归纳信息对涡扇发动机知识图谱进行构造； 步骤2-2-5：进行知识转化，获得基于知识的多传感器相关性矩阵，具体方法为： 对于知识图谱中的一个三元组u，v，w，采用TransE模型通过优化以下目标函数来学习实体和关系的向量表示： 式中：u，v，w分别表示头实体，关系和尾实体的向量表示，θ表示知识图谱中的所有三元组集合； 通过优化上述目标函数，获得每个实体的嵌入e，然后采用皮尔森相关系数计算实体之间的相似度，获得基于知识的多传感器相关性矩阵A1； 步骤2-2-6：进行知识嵌入与自适应融合，具体方法为： 随机初始化基于数据的多传感器相关性矩阵A2，将基于知识的相关性矩阵A1和基于数据的相关性矩阵A2进行融合，生成综合相关性矩阵A，采用自适应权重分配的方法，动态调整两个矩阵的权重： 将A1∈RD×D和A2∈RD×D扩展维度为A1∈R1×D×D和A2∈R1×D×D，然后利用2D卷积获取自适应权重参数α，表达式为： A＝αA1+1-αA2； 式中：σ是sigmoid激活函数，g·表示2D卷积层，表示矩阵拼接；α为自适应权重参数，取值范围在[0,1]之间； 通过优化α的取值，实现A1和A2的有效融合； 特征矩阵Xfea将与融合后的传感器关系矩阵A相乘，编码器输出将表示为O，表达式为： O＝AXfea； 步骤2-3：采用线性残差模块作为模型的解码器，将编码后的隐藏表示映射到潜在空间，将隐藏层映射到输出的线性层上同时使用dropout，并在输出处使用层归一化，表达式如下： Y＝DecoderO； 步骤2-4：解码器输出Y将通过线性层获取最终的航空发动机RUL预测值，表达式为： RUL＝LinearY； 步骤三：对步骤二所构建的网络进行训练与测试，选择均方根误差RMSE作为损失函数，采用自适应学习率的Adam优化算法，通过动态调整每个参数的学习率，加速模型的收敛速度，同时提高训练的稳定性。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。