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！

龙图腾网获悉电子科技大学申请的专利基于时空知识图谱和SDCNN的航空发动机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：CN121257345B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511832054.9，技术领域涉及：G06F30/27；该发明授权基于时空知识图谱和SDCNN的航空发动机剩余使用寿命预测方法是由胡家文;宋金乾;都佳明;黄承赓;朱顺鹏设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本基于时空知识图谱和SDCNN的航空发动机剩余使用寿命预测方法在说明书摘要公布了：本发明提出了一种基于时空知识图谱和SDCNN的航空发动机剩余使用寿命预测方法，属于航空发动机健康管理领域。本发明采用构建时空知识图谱与SDCNN神经网络架构。本发明创新性地设计了对航空发动机构建时空知识图谱、采用BERT模型进行数据类型转换、多头图注意力网络与池化图注意力网络完成特征提取与特征融合得到融合特征，最后将融合特征输入堆叠膨胀卷积神经网络对特征数据进行回归学习，进而对航空发动机进行剩余寿命预测。本发明通过对复杂时空特征数据进行建模与预测，能够在有限数据下有效的对航空发动机的剩余使用寿命进行预测，为航空发动机维护策略的制定提供数据支撑，同时对其他工业设备的剩余寿命预测提供了新思路。

本发明授权基于时空知识图谱和SDCNN的航空发动机剩余使用寿命预测方法在权利要求书中公布了：1.一种基于时空知识图谱和SDCNN的航空发动机剩余使用寿命预测方法，其特征在于，所述方法包括如下步骤： 步骤S1：传感器采集航空发动机组件的数据得到采集数据集，添加剩余使用寿命周期标签，得到航空发动机退化数据集；对航空发动机退化数据集中传感器采集数据进行归一化处理，对归一化后的数据构建时空知识图谱； 步骤S2：将时空知识图谱输入BERT模型转换为神经网络能读取的张量形式的节点嵌入向量及关系嵌入向量，再通过多头图注意力网络与池化图注意力网络对节点嵌入向量及关系嵌入向量进行特征提取与特征融合，得到融合特征向量； 步骤S3：构建堆叠膨胀卷积神经网络，将融合特征向量输入堆叠膨胀卷积神经网络预测退化趋势特征； 步骤S4：将完成特征提取与特征融合的融合特征向量的70%划分为训练集，剩余的30%作为测试集，训练集数据以剩余使用寿命周期标签作为训练标签，输入堆叠膨胀卷积神经网络进行训练，得到训练好的航空发动机剩余使用寿命预测模型； 步骤S5：使用训练好的航空发动机剩余使用寿命预测模型进行航空发动机的剩余使用寿命预测； 对归一化后的数据构建时空知识图谱包括如下步骤A至步骤D： 步骤A：对航空发动机整体结构进行分层建模，通过“组件—包含—组件”的三元组形式表达组件与组件之间的从属关系，从结构层级关系构建知识图谱； 步骤B：为反映各组件间的气动与机械耦合关系，通过“组件-驱动供能传递-组件”的三元组形式，从动力传递关系构建知识图谱； 步骤C：针对发动机的整体运行状态关系，整合各组件的监测指标，将传感器监测数据与结构知识进行统一关联，通过“组件—运行监测关系—监测数值”的三元组形式，从运行与监测关系构建知识图谱； 步骤D：重复执行步骤A~步骤C，完成对归一化后的数据集所有时间节点的知识图谱构建，得到航空发动机完整运行时的时空知识图谱； 步骤S2包括如下步骤： 步骤S21：通过BERT模型对时空知识图谱进行数据形式转换，将由自然语言构成的时空知识图谱转换成张量形式的节点嵌入向量及关系嵌入向量，以便多头注意力网络进行特征提取； 步骤S22：将步骤S21中转换成张量形式的节点嵌入向量与关系嵌入向量输入到多头图注意力网络中进行特征提取，得到拼接特征向量； 步骤S23：将时空知识图谱、关系嵌入向量及拼接特征向量输入池化图注意力网络，进行特征融合得到融合特征向量。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。