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！

龙图腾网获悉西北工业大学;中国航发四川燃气涡轮研究院申请的专利用于涡轮部件测试的数字孪生健康管理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：CN116341381B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310304675.4，技术领域涉及：G06F30/27；该发明授权用于涡轮部件测试的数字孪生健康管理方法是由姜雷博;张晓东;李俊;仇钎;唐轲;肖洪设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本用于涡轮部件测试的数字孪生健康管理方法在说明书摘要公布了：本发明属于涡轮部件测试设备运行维护技术领域，具体涉及用于涡轮部件测试的数字孪生健康管理方法。具体技术方案为：通过设置若干个传感器，建立水力测功设备相关性能参数数据库，基于涡轮‑水力测功系统物理运行机理和运行数据的水力测功设备性能数字孪生模型，构建了水力测功器的数字孪生健康管理方法，该方法可实现水力测功器关键运行参数的精准实时监控和超限预警，提高了测试系统的安全性的同时降低了系统的运维成本。

本发明授权用于涡轮部件测试的数字孪生健康管理方法在权利要求书中公布了：1.用于涡轮部件测试的数字孪生健康管理方法，其特征在于：包括步骤： S01、在涡轮水力测功设备上布置若干传感器，实时监测水力测功设备性能参数； S02、建立水力测功设备性能参数数据库，将所述传感器监测数据储存至所述数据库，根据预设转换关系将传感器的电压信号转换为性能参数对应的工程值数据，对所述工程值数据进行筛查处理后，储存至所述数据库； S03、根据水力测功设备性能预测模型的输入要求，按所述步骤S02中传感器监测数据的存储频率提取测试数据； S04、将所述步骤S03中提取的测试数据输入所述水力测功设备性能预测模型，计算预测水力测功设备的性能参数； S05、计算步骤S04中的性能参数预测值与传感器采集的性能参数采集值的相对误差； S06、根据水力测功设备的性能参数采集值、性能参数预测值及预测精度，判断水力测功设备运行状态； S07、对性能预测模型中的水力设备性能衰退检测、部件性能衰退检测及衰退特征进行迁移学习；所述步骤S07包括， S071、采用当前时刻测试周期数据，根据水力测功设备性能数字孪生模型抽取当前性能状态特征，训练当前测试周期性能模型M’； S072、将M’在原始数据上进行数字化试验：将原始状态的输入状态代入M’，得到M’对原始状态的性能反馈结果； S073、计算部件衰退因子：假定水力测试设备原始状态下部件核心性能参数P在稳态运行时的均值，M’对原始状态P的预测结果为，则参数P的衰退因子为； S074、计算衰退因子差：本次测试周期与前一次每个部件性能参数的差值； S075、判断是否需要对部件网络层进行迁移训练学习： 若所述差值在第二阈值范围内，则认为各部件性能未发生衰退，当前的性能预测模型可以继续使用； 若差值超过第二阈值，则将超过第二阈值的部件定为性能衰退部件，在之后的性能预测模型更新过程中仅对性能衰退部件网络层进行迁移训练学习； 性能预测模型的架构主体包括依次连接的物理信息网络层、物理信息耦合网络层、映射网络层三层，物理信息网络层的输出端与物理信息耦合网络层连接，所述物理信息耦合网络层输出端与映射网络层三层连接； 所述物理信息网络层根据涡轮测试系统，包括时间信息网络层、进气管路网络层、涡轮网络层、前轴承网络层、水系统网络层、后轴承网络层、轴功系统网络层； 所述物理信息耦合网络层采取时序网络结构，将所述物理信息网络层通过时间空间的依次顺序连接起来，提取涡轮水力测功设备测试参数间的物理关联及物理特征，并储存至神经网络； 所述映射网络层将所述物理信息耦合网络层的信息映射到最终的目标输出值上，映射条件为神经网络的全连接层网络映射关系。

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西北工业大学;中国航发四川燃气涡轮研究院，其通讯地址为：710000 陕西省西安市友谊西路127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。