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！

龙图腾网获悉长春职业技术大学申请的专利一种用于工地智能配电箱的剩余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：CN121092919B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511262994.9，技术领域涉及：G06F18/20；该发明授权一种用于工地智能配电箱的剩余寿命预测方法是由杜迎宇设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种用于工地智能配电箱的剩余寿命预测方法在说明书摘要公布了：本发明公开了一种用于工地智能配电箱的剩余寿命预测方法，涉及工业智能领域，包括根据故障诊断结果，筛选与故障相关的历史配电箱生命周期数据，构建退化轨迹库，利用特征工程从结构化数据集中选取状态特征并组建为状态特征向量，选择沙盒环境作为虚拟测试平台，根据退化轨迹库和状态特征向量配置强化学习环境，在沙盒环境中利用强化学习环境训练强化学习模型，得到退化轨迹模型并计算智能配电箱当前状态到失效之间的预期时间，输出剩余寿命预测结果。本发明实现了参数因果关系的动态量化表达，解决了智能配电箱剩余寿命预测精度低的问题。

本发明授权一种用于工地智能配电箱的剩余寿命预测方法在权利要求书中公布了：1.一种用于工地智能配电箱的剩余寿命预测方法，其特征在于：包括： 采集智能配电箱数据并进行预处理，得到结构化数据集； 利用因果发现算法对结构化数据集进行分析，识别出智能配电箱内部部件状态之间的因果关系，构建有向无环图并执行反向追溯和干预效应分析，生成故障诊断结果，具体包括以下步骤： 利用历史故障数据中的时间序列对有向无环图进行优化，并为节点和筛选变量对的因果边分配权重，得到动态因果图； 利用结构化数据集检测出智能配电箱的异常信号，并与动态因果图中的节点进行对应，得到异常节点； 使用广度优先搜索算法对异常节点进行反向遍历，得到反向路径并收集所有反向路径的起点节点作为潜在故障源头，计算潜在故障源头的置信度值； 设置干预效应阈值，当计算异常节点到潜在故障源头的干预效应值大于干预效应阈值时，判断出核心节点； 将核心节点、潜在故障源头以及潜在故障源头的置信度值整理为JSON格式，生成故障诊断结果； 根据故障诊断结果，筛选与故障相关的历史配电箱生命周期数据，构建退化轨迹库，利用特征工程从结构化数据集中选取状态特征并组建为状态特征向量，具体包括以下步骤： 根据故障诊断结果中的核心节点和潜在故障源头，筛选与故障相关的历史配电箱生命周期数据并填补缺失值，生成退化曲线； 根据故障相关的历史配电箱生命周期数据中的核心事件标注，计算智能配电箱的健康度并为智能配电箱划分健康度区域，将退化曲线和健康度区域进行组合，形成退化轨迹库； 计算结构化数据集中每个参数的特征重要性得分，选取每个参数的特征重要性得分排名前M位的参数作为状态特征； 计算状态特征的特征值并转换为z-score值，将z-score值按照固定顺序进行排列，形成状态特征向量； 选择沙盒环境作为虚拟测试平台，根据退化轨迹库和状态特征向量配置强化学习环境，在沙盒环境中利用强化学习环境训练强化学习模型，得到退化轨迹模型，具体包括以下步骤： 根据退化轨迹库和状态特征向量，配置强化学习环境； 选择深度Q网络作为智能体，根据强化学习环境在沙盒环境中对智能体进行训练，同时利用退化轨迹库中的退化曲线映射状态特征的特征值，生成虚拟时间序列； 通过虚拟时间序列更新状态特征的特征值和健康度区域的健康度等级，重复模拟智能配电箱在不同健康度区域之间的状态转移，直至智能体达到收敛后，得到退化轨迹模型； 并计算智能配电箱当前状态到失效之间的预期时间，输出剩余寿命预测结果，具体包括以下步骤： 计算智能配电箱的状态转移概率； 将状态特征向量和健康度区域中的健康度等级作为输入结果输入至退化轨迹模型中，将输入结果与虚拟时间序列进行匹配，根据智能配电箱的状态转移概率，计算智能配电箱的单步转移预期时间并进行累加，得到智能配电箱的转移总预期时间，输出剩余寿命预测结果。

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长春职业技术大学，其通讯地址为：130033 吉林省长春市南关区卫星路3278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。