国网安徽省电力有限公司电力科学研究院赵常威获国家专利权
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！
龙图腾网获悉国网安徽省电力有限公司电力科学研究院申请的专利基于深度多特征学习的振动部件剩余使用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：CN115855503B 。
龙图腾网通过国家知识产权局官网在2026-02-10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：202211413302.2，技术领域涉及：G06F30/17；该发明授权基于深度多特征学习的振动部件剩余使用寿命预测方法是由赵常威;钱宇骋;朱太云;杨为;柯艳国;黄伟民;毛磊;邹文豪设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。
本基于深度多特征学习的振动部件剩余使用寿命预测方法在说明书摘要公布了：本发明涉及故障预测技术领域，具体为基于深度多特征学习的振动部件剩余使用寿命预测方法，包括以下步骤：对采集到部件原始振动信号进行首次预测时间确定，确定部件的衰退期开始时间；使用滑动窗口沿衰退期滑动取一段时间内的所有振动信号数据进行时频分析，以获取到退化故障的时频域特征信息作为输入；将对输入的时频域信息进一步进行多尺度的特征提取以及结果输出；有益效果为：解决了多种类型工况下部件剩余寿命预测结果不稳定问题；实现提取部件退化机理相关特征的能力强、剩余寿命预测精度高。
本发明授权基于深度多特征学习的振动部件剩余使用寿命预测方法在权利要求书中公布了：1.基于深度多特征学习的振动部件剩余使用寿命预测方法，其特征在于，该预测方法包括以下步骤： 对采集到部件原始振动信号进行首次预测时间确定，确定部件的衰退期开始时间； 使用滑动窗口沿衰退期滑动取一段时间内的所有振动信号数据进行时频分析，以获取到退化故障的时频域特征信息作为输入； 将对输入的时频域信息进一步进行多尺度的特征提取以及结果输出； 采用深度多层特征提取器输入的时频域信息进一步进行多尺度的特征提取以及结果输出，深度多层特征提取器由四层移动窗口变压器块组成，其中每块里有两个SwinTransformer编码器为一组的数组特征提取处理器；在一个标准的窗口自注意力机制中，多个不同头部的注意力被连接起来；在模型中引入滑动窗口，沿时间轴滑动的同时并对每一段滑动窗口内的序列振动信号的时频图被切割成不同的补丁标记，按照顺序输送到多个移动窗口变压器模块中进行处理。
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国网安徽省电力有限公司电力科学研究院，其通讯地址为：230051 安徽省合肥市经济技术开发区紫云路299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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励