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！

龙图腾网获悉华侨大学;鲁班源集团有限公司;中建三局集团有限公司;厦门五卓未来科技有限公司申请的专利一种设备组件剩余寿命预测方法、装置、设备及存储介质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：CN121412595B 。

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：202512000267.1，技术领域涉及：G06F18/20；该发明授权一种设备组件剩余寿命预测方法、装置、设备及存储介质是由周林;林桑浦;白钊龙;朱启航;柯毅东;林晓荣;王成设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种设备组件剩余寿命预测方法、装置、设备及存储介质在说明书摘要公布了：本发明公开一种设备组件剩余寿命预测方法、装置、设备及存储介质，采用基于混合定权和改进GAT‑BiMamba模型实现工业设备组件剩余使用寿命和健康状态预测。采用本发明的技术方案，高效精准提取工业设备组件在运行过程中的振动信号所隐含的退化特征，以实现工业设备组件剩余使用寿命的快速、精准预测。

本发明授权一种设备组件剩余寿命预测方法、装置、设备及存储介质在权利要求书中公布了：1.一种设备组件剩余寿命预测方法，其特征在于，包括： 对工业设备组件运行过程中的水平和垂直振动信号数据进行采集与预处理； 将预处理后的水平和垂直振动信号数据提取出时域、频域和时频域特征，标注寿命标签； 计算时域、频域和时频域特征的与寿命标签相关的评价指标，使用改进的混合定权方式确定指标权重，筛选出高相关特征组成数据集并划分为训练集、验证集和测试集； 构建编码器-解码器架构模型；其中，编码器-解码器架构模型包括：2层编码器多层神经网络模块和1层解码器多层神经网络模块；编码器多层神经网络模块由改进图注意力网络层和BiMamba模块组成；解码器多层神经网络模块由多层感知机MLP层和多尺度卷积层组成； 根据训练数据集训练编码器-解码器架构模型； 使用训练好的编码器-解码器架构模型在测试数据集上进行剩余使用寿命预测，输出每个步长的剩余使用寿命预测值； 其中，编码器将训练数据集转化为非欧几里得数据形式，以特征变量为节点，使用节点相似度作为初始边权重，构造全连接图，然后将构造好的图数据输入改进的图注意力网络层；图注意力网络层中包含图注意力网络层GATv2、邻接注意力层、残差注意力层、归一化层和dropout层，非欧几里得形式的训练数据集输入改进图注意力网络层时，先输入邻接注意力层，计算节点之间的高斯核权重；基于计算的高斯核权重对图数据做Top-K稀疏化操作来实现对图结构的正则化处理；将稀疏化后的图数据经过归一化稳定分布后，再经过系数为0.2的dropout层增强泛化，处理后将得到的图节点数据和图边索引数据以及图边权重数据输入图注意力层中；图注意力层将基于接收到的三种图数据进行图注意力计算，得到图节点间关系数据；将图节点间关系数据输入残差注意力层，若该层属于第一编码器多层神经网络模块，直接将上述图数据投影为欧几里得数据形式的特征间关系集，保存为历史数据后输出到BiMamba模块中；若该层属于第二编码器多层神经网络模块，将当前层图节点间关系数据与历史数据合并后计算注意力得分，并使用门控机制对不同层之间的图节点间关系数据加权融合，再投影为欧几里得数据形式的特征间关系集输出，这一操作能有效缓解过拟合现象；将特征间关系集输入BiMamba模块提取运行组件特征的时序依赖关系，BiMamba模型由正序和反序的两个并行Mamba模型组成，Mamba模型维度设定为256维，状态参数设定为32，卷积核大小为2，扩展1层零填充，分别提取出正序和反序的时序依赖关系后，将反序计算结果反转后与正序计算结果拼接融合，得到可输出振动信号数据的时序依赖关系； 解码器多层神经网络模块将编码器神经网络中输出的时序依赖关系数据输入多层感知机MLP层，首先经过全连接层1，映射维度为原通道数的12，再使用GELU激活函数进行非线性激活，激活后数据经过系数为0.2的dropout函数进行随机失活提升泛化性，最后使用全连接层将数据映射为单通道时序预测数据；将上述单通道时序预测数据输入多尺度卷积层，卷积核大小分别设定为3、5和7，通过不同大小的卷积核提取不同感受野的时序关系，最后融合时序预测数据为单步长预测数据并输出。

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华侨大学;鲁班源集团有限公司;中建三局集团有限公司;厦门五卓未来科技有限公司，其通讯地址为：362021 福建省泉州市丰泽区城华北路269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。