Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 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林桑浦获国家专利权

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林桑浦获国家专利权

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及系统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:CN121412596B

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:202512000352.8,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及系统是由林桑浦;周林;白钊龙;朱启航;柯毅东;鲁紫君;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。

一种设备组件剩余寿命预测方法及系统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及系统,采用基于FM‑Mamba‑SE模型实现的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,精准提取工业设备组件运行过程中的振动信号中的退化特征,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及系统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; 将预处理后的运行组件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,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以及1层解码器多层神经网络模块;编码器多层神经网络模块包含:因子分解机层、多层感知机MLP层、可学习门控融合层和Mamba模块;解码器多层神经网络模块包含:SENet模块和空洞卷积层; 根据训练数据集训练FM-Mamba-SE模型; 使用训练好的FM-Mamba-SE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; 将训练数据集输入因子分解机层中提取非线性特征间关系,其隐向量矩阵维度设定为8,隐向量使用Xavier初始化帮助收敛,权重随机初始化遵从均值为0,标准差0.01的正态分布;将训练数据集输入多层感知机MLP层中提取线性特征间关系,MLP维度设定为1024;将上述提取的非线性特征间关系和线性特征间关系组合输入门控融合层中进行加权融合,输出与工业运行组件的剩余使用寿命和健康状态强相关的特征间关系集,其中非线性特征间关系权重ɑ以及线性特征间关系权重β设定为可学习参数,跟随模型训练自主学习最佳权重比例;将上述特征间关系集输入Mamba模块提取工业设备组件特征的时序依赖关系,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,输出振动信号数据的时序依赖关系; 将上述编码器神经网络中输出的时序依赖关系数据输入SENet模块,首先经过全局平均池化,得到数据的全局特征描述,再使用压缩-激励机制对不同特征通道进行自适应特征有机加权融合,得到单通道时序预测数据;将上述单通道时序预测数据输入空洞卷积层,卷积核大小设定为3,空洞率设定为2。

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。

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。