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经济技术研究院;国网安徽众兴电力设计院有限公司申请的专利一种复杂机电设备的混合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：CN115600753B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211355717.9，技术领域涉及：G06Q10/04；该发明授权一种复杂机电设备的混合寿命预测方法是由李涛;薛欢;李晓庆;穆弘;靳幸福;王笠;于晓蕾;刘志;季跃;鲍玉莹;朱灿;高廷峰;刘宇峰;陈政江;金天然;孙博;王馨;唐昊设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种复杂机电设备的混合寿命预测方法在说明书摘要公布了：本发明涉及一种复杂机电设备的混合寿命预测方法，包括：对复杂机电设备采集的全寿命数据进行预处理，得到带标签的训练样本集；分段方式下的训练样本子集的集合；将最佳拟合曲线的横纵坐标设定为训练样本子集的“特征值‑权值”对；汇总所有模型得到改进的VPM模型；得到测试样本子集的集合，并根据改进的VPM模型对各个测试样本子集进行预测，得出寿命评估的初步预测结果；得到复杂机电设备最终的寿命预测值。本发明以自变量概率作为和方差的权值wim，降低异常样本对分类准确度的影响；本发明采用改进的VPM模型可针对实测连续时间序列的一段数据进行概率密度曲线相似性的计算，大大降低异常样本的影响。

本发明授权一种复杂机电设备的混合寿命预测方法在权利要求书中公布了：1.一种复杂机电设备的混合寿命预测方法，其特征在于：该方法包括下列顺序的步骤： 1对复杂机电设备采集的全寿命数据进行预处理，将预处理后的数据划分为训练样本集和测试样本集，对训练样本集进行预分段并添加标签，得到带标签的训练样本集； 2采用聚类方法对带标签的训练样本集进行聚类，再以准确率为标准选择满足准确率要求的分段方式进行分段，得到该分段方式下的训练样本子集的集合； 3对训练样本子集的集合中的所有训练样本子集的各个特征值进行概率曲线拟合，选择概率曲线中的最佳拟合曲线，并将最佳拟合曲线的横纵坐标设定为训练样本子集的“特征值-权值”对； 4根据特征值与权值的对应关系，对各个训练样本子集中的所有特征值建立方程，确定所有特征值在四种VPM模型类型下的参数，以和方差为标准，得出各个模型，并汇总所有模型得到改进的VPM模型，所述四种VPM模型分别为线性模型、线性交互模型、二次模型和二次交互模型； 5以准确率为标准选择满足准确率要求的分段方式，对测试样本集分段，得到测试样本子集的集合，并根据改进的VPM模型对各个测试样本子集进行预测，得出寿命评估的初步预测结果； 6采用趋势外推法，综合初步预测结果，得到复杂机电设备最终的寿命预测值； 所述步骤4具体包括以下步骤： 4a对训练样本子集的集合中长度为的各个训练样本子集中的所有特征值均建立个方程，根据“特征值-权值”对特征值的权值，对所有的特征值均乘以权值，求解各个训练样本子集中的所有特征值在以下四种VPM模型的待定系数： 4a1线性模型LI为： ， 当时，，其中，，中、代表训练样本子集中样本的第、维特征值，为训练样本维数，，，、分别为，的权值，，为线性模型的待定系数； 4a2线性交互模型L为： 时，，其中，为线性交互模型的待定系数； 4a3二次模型QI为： 时，，其中，为二次模型的待定系数； 4a4二次交互模型Q为： 时，，其中，为二次交互模型的待定系数； 联立各个训练样本子集中的个方程计算出各个训练样本子集中的所有特征值在四种VPM模型下的待定系数； 4b加入权值后的特征值选择四种VPM模型中之一作为第个样本子集的第维特征值的模型，模型选择以和方差为标准，和方差公式如下： ， 式中，为实际特征值对应的权值，为预测特征值，选择令和方差SSE最小的模型类型作为对应的模型； 4c对训练样本集中所有训练样本子集的所有特征完成模型的选择，存储模型的类型及参数，并将所有模型汇总得到改进的VPM模型： ， 式中，改进的VPM模型由个模型构成。

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经济技术研究院;国网安徽众兴电力设计院有限公司，其通讯地址为：230009 安徽省合肥市蜀山区金寨路73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。