“剩余寿命预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1780509个，建议您升级VIP下载更多相关专利

[发明专利]一种滚轮丝杠副剩余使用寿命预测方法-CN202011546211.7有效
发明人：张黎明;焦猛;张磊;佟怡铄;陈璐珈;肖红光;陈玲 -专利权人：中国人民解放军海军工程大学
申请日： 2020-12-24 - 公布日： 2022-10-18 - 主分类号： G06F30/23 文献下载
摘要：本发明公开一种滚轮丝杠副剩余使用寿命预测方法，包括：获取滚轮丝杠副历史数据中多种故障特征，组成多种故障特征向量空间，训练生成拓扑映射GTM网络，构建历史数据似然概率NLLP指标，利用K均值聚类法进行状态划分，构建基于历史数据的Markov模型，预测状态向量和剩余寿命；提取滚轮丝杠副在线监测数据中多种故障特征，构建在线监测数据NLLP指标，训练基于在线监测数据Markov模型预测下一时刻状态向量和剩余寿命；基于在线监测数据获取实际状态向量，获取权值动态修正系数，获取最终剩余寿命。本发明构建基于历史数据预测模型和基于在线监测数据预测模型，并进行加权平均得到预测结果，增强预测实时性，提高了预测精度。
一种滚轮丝杠副剩余使用寿命预测方法

[发明专利]一种钢桥面板剩余疲劳寿命预测方法、装置、设备及介质-CN202210277642.0在审
发明人：张清华;崔闯;劳武略;罗纯坤;许肇峰;宋松科 -专利权人：西南交通大学
申请日： 2022-03-21 - 公布日： 2022-06-14 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种钢桥面板剩余疲劳寿命预测方法、装置、设备及介质，该方法通过结合数字图像相关法(DIC)与深度卷积神经网络建立钢桥面板剩余疲劳寿命预测模型，实现钢桥面板疲劳剩余寿命的自主实时预测，为钢桥运维决策提供更加准确数据来源
一种桥面剩余疲劳寿命预测方法装置设备介质

[发明专利]基于支持向量回归的燃机轴承剩余使用寿命预测方法-CN201811353382.0在审
发明人：夏唐斌;徐文华;宋亚;严春华;朱启杰;郑宇 -专利权人：上海交通大学;中国电信股份有限公司上海分公司
申请日： 2018-11-14 - 公布日： 2019-03-15 - 主分类号： G06K9/00 文献下载
摘要：一种基于支持向量回归的燃机轴承剩余使用寿命预测方法，通过采集燃机轴承的健康状态数据经预处理后提取得到时域特征和频域特征，然后通过数据融合工具将时域特征和频域特征通过主成分分析法融合，得到表征轴承退化的低维特征指标并用于训练基于支持向量回归的剩余使用寿命预测模型，最后通过剩余使用寿命预测模型进行轴承寿命的实时预测。本发明预测误差均低于普通的支持向量回归模型和神经网络模型预测结果，预测结果精度较高。
剩余使用寿命支持向量回归轴承燃机时域特征预测模型和频神经网络模型预测预处理健康状态数据主成分分析法实时预测数据融合特征指标预测结果预测误差轴承寿命后提取预测低维采集退化融合

[发明专利]基于门控递归单元神经网络的电子器件剩余寿命预测方法-CN202010362703.4在审
发明人：马岩;张薇;朱恒宇 -专利权人：北京锐达芯集成电路设计有限责任公司
申请日： 2020-04-30 - 公布日： 2020-08-28 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于门控递归单元神经网络的电子器件剩余寿命预测方法，包括：获得电子器件在相同条件下的多组老化数据；对多组老化数据进行预处理；根据预处理后的老化数据以及电子器件失效机理获得失效变量；根据预处理后的老化数据建立门控递归单元神经网络老化模型；根据门控递归单元神经网络老化模型获得失效变量的预测变化值，结合设定的失效阈值，获得电子器件的剩余寿命。本发明提供的电子器件剩余寿命预测方法，通过构建门控递归单元神经网络老化模型预测电子器件的剩余寿命，综合考量了老化数据中各失效变量对电子器件剩余寿命的影响而进行预测，同时考虑到老化数据的时序特征，充分挖掘了老化数据中的信息，预测精度高，可靠性强。
基于门控递归单元神经网络电子器件剩余寿命预测方法

[发明专利]一种机械设备剩余寿命预测方法和系统-CN202110268518.3在审
发明人：袁烨;黄虹;黎家骐 -专利权人：华中科技大学
申请日： 2021-03-12 - 公布日： 2021-07-09 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种机械设备剩余寿命预测方法和系统，属于状态监测与剩余寿命预测领域。本发明将卷积神经网络与双向门控循环单元相结合组成混合神经网络，以便有效地提取时间和空间特征，提高剩余寿命预测精度，此基础上，在混合神经网络中引入了注意力权重，采用混合神经网络和优化遗传算法的协同训练机制，遗传算法通过不断传递参数和反馈损失来寻找最佳注意力权重参数，优化了剩余寿命预测中不同时间步长的注意力权重分布，使得不同时间步长的重要性得以准确体现，相较于一些传统的机器学习方法和深度学习，其均方根误差、预测得分均低得多，有效解决了现有剩余寿命预测精度不高的问题。
一种机械设备剩余寿命预测方法系统

[发明专利]基于相对密度核估计的齿轮剩余寿命预测方法-CN202111598639.0在审
发明人：石慧;李哲昊;张江民;董增寿 -专利权人：太原科技大学
申请日： 2021-12-24 - 公布日： 2022-04-01 - 主分类号： G06F30/17 文献下载
摘要：本发明属于大数据和智能制造技术领域，具体技术方案为：基于相对密度核估计的齿轮剩余寿命预测方法，具体步骤如下：一、建立估计未知变量的核密度估计模型；二、确定自适应的相对密度窗宽；三、计算齿轮退化样本的特征退化分布；四、建立齿轮剩余寿命预测模型，构建剩余寿命预测的概率密度函数，实时预测齿轮的剩余寿命；本模型可自适应地选择出更加准确的窗宽，提高了拟合度，通过引入核微分同胚变换方法，有效地消除了核密度估计带来的边界偏差问题，实时更新的模型，有效避免了核密度估计的重复计算，随着样本数据的增加，剩余寿命的预测越来越接近实际值，方差变得越来越小，提高了预测的准确性和有效性。
基于相对密度估计齿轮剩余寿命预测方法

[发明专利]电池剩余使用寿命预测方法和装置-CN202210372160.3在审
发明人：陈亮;刘绍东;袁俊球;王曙宁;赵清源 -专利权人：国网江苏省电力有限公司常州供电分公司;国网江苏省电力有限公司;国家电网有限公司
申请日： 2022-04-11 - 公布日： 2022-08-02 - 主分类号： G01R31/392 文献下载
摘要：本发明提供一种电池剩余使用寿命预测方法和装置，所述方法包括以下步骤：对多个样本电池进行充放电实验，获取每个样本电池多次充放电循环的实验数据；根据每个样本电池多次充放电循环的实验数据获取每个样本电池的老化特性数据并将数据集分为训练集和测试集；构建CNN和LSTM的组合模型，其中，CNN去除了全连接层，输出为一维的特征向量，CNN的输出作为LSTM的输入；通过训练集对CNN和LSTM的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过测试集对电池剩余使用寿命预测器进行测试；通过最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。
电池剩余使用寿命预测方法装置

[发明专利]一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法-CN202310706419.8在审
发明人：魏中宝;方镇都;阮浩凯;何洪文 -专利权人：北京理工大学
申请日： 2023-06-15 - 公布日： 2023-08-08 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法，包括：通过实验获取锂电池的原始数据，定义健康状态SOH以及电池的剩余寿命，处理数据；基于滑动窗口法构建输入输出，划分数据集；搭建LSTM网络，在训练集上训练并优化超参数；将训练数据集最后一个窗口数据输入到训练好的LSTM模型中进行滑动预测，直至电池失效；将LSTM网络的预测结果输入高斯过程回归模型作为其均值函数，使用高斯过程回归输出电池SOH的预测值，计算电池剩余寿命。本发明通过结合LSTM网络以及高斯过程回归模型，结合LSTM的长期预测能力以及高斯过程回归输出的概率信息，提高了电池剩余寿命预测准确性，还输出了电池剩余寿命预测中的不确定性。
一种基于 lstm 过程回归锂电池剩余寿命估计方法

[发明专利]带不确定冲击的非平稳退化过程剩余寿命预测方法-CN201710257820.2有效
发明人：徐正国;王豆;柯晓杰;陈积明;秦刚华;谢尉扬;胡伯勇;张震伟;孙优贤 -专利权人：浙江大学;浙江浙能技术研究院有限公司
申请日： 2017-04-19 - 公布日： 2020-11-24 - 主分类号： G06F30/20 文献下载
摘要：本发明提出一种带不确定冲击的非平稳退化过程剩余寿命预测方法，属于可靠性工程技术领域。本发明将冲击效应与连续退化过程结合起来，从而更加合理地刻画实际退化过程。在状态估计阶段，本发明提出了新的在线状态估计算法以识别真实的系统状态并为后续的剩余寿命预测提供必要的支持。在参数估计阶段，本发明采用期望最大化算法来获得模型中的未知参数。针对剩余寿命预测，本发明同时考虑了状态估计的不确定性与冲击效应的影响，以解析表达式给出剩余寿命预测分布的概率密度函数和累积概率密度函数。本发明提出的模型更符合实际退化情况，能够获得更加准确的在线剩余寿命预测结果，对于工程上的故障预测和健康管理有重大意义。
不确定冲击平稳退化过程剩余寿命预测方法

[发明专利]基于循环神经网络考虑未来工况的设备剩余寿命预测方法-CN201910676192.0有效
发明人：林焱辉;常亮 -专利权人：北京航空航天大学
申请日： 2019-07-25 - 公布日： 2020-11-06 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种基于循环神经网络考虑未来工况的设备剩余寿命预测方法，其包括以下步骤：S1：获取反映目标设备工作状况的多个传感器监测数据集，包括设备从初始时刻到失效的监测数据，并对数据进行预处理；S2：利用滑动时间窗口方法根据监测数据获得建模样本，并根据实验选取预设的时间窗口大小；S3：根据建模样本建立深度LSTM模型，使用训练后的深度LSTM模型对目标设备进行初步剩余寿命预测；S4：根据初步预测结果和未来工况数据，建立考虑未来工况的多输入端模型，对目标设备进行剩余寿命预测。该方法能够准确地预测设备的剩余寿命，在未来工况已知的情况下，能够考虑未来工况对剩余寿命的影响，提高预测准确度。
基于循环神经网络考虑未来工况设备剩余寿命预测方法

[发明专利]基于混合机器学习的航空发动机剩余使用寿命预测模型-CN202011468528.3有效
发明人：徐甜甜;韩光洁;林川;田晨;史国华 -专利权人：大连理工大学
申请日： 2020-12-15 - 公布日： 2022-09-30 - 主分类号： G06F30/27 文献下载
摘要：本发明属于航空发动机故障预测与健康管理技术领域，公开了基于混合机器学习的航空发动机剩余使用寿命预测模型，具体为一种基于混合机器学习模型SGBRT，以及时预测航空发动机的剩余使用寿命；该模型结合了自组织映射网络和梯度提升回归树算法，可通过以下步骤来预测航空发动机的剩余使用寿命：首先，该模型使用自组织映射网络将原始样本集聚类为簇；然后将每个簇分别构建梯度提升回归树，以预测航空发动机的剩余使用寿命。本发明不仅可以更好地预测航空发动机的剩余使用寿命，还揭示了航空发动机退化数据的内在特征。
基于混合机器学习航空发动机剩余使用寿命预测模型

[发明专利]针对航空发动机剩余使用寿命预测的多尺度混杂注意力机制建模方法-CN202211299946.3有效
发明人：马松;李志;孙涛;孙希明;徐赠淞 -专利权人：大连理工大学
申请日： 2022-10-24 - 公布日： 2023-04-07 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种针对航空发动机剩余使用寿命预测的多尺度混杂注意力机制建模方法，属于航空发动机的健康管理与预测技术领域。首先，对数据预处理得到样本，设置RUL标签，得到样本的剩余使用寿命真实值。其次，构建由位置编码层、特征提取层和回归预测层组成的多尺度混杂注意力机制模型。再次，对模型进行训练，通过最小化损失函数，使模型输出的剩余使用寿命预测值RUL与真实值之间的差异逐渐变小，直到达到停止标准。最后，使用训练后的模型预测剩余使用寿命。本发明能够实现单个样本不同时间步信息的充分融合，可以考虑到所有样本间的相关性；能够更精确地预测航空发动机的剩余使用寿命。
针对航空发动机剩余使用寿命预测尺度混杂注意力机制建模方法

[发明专利]离线设备剩余寿命预测方法、装置和计算机设备-CN202211655986.7在审
发明人：刘俊斌;路国光;孟苓辉;周振威;余陆斌;何世烈;俞鹏飞;洪丹妮 -专利权人：中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室））
申请日： 2022-12-22 - 公布日： 2023-04-14 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种离线设备剩余寿命预测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取不同类别的联网设备运行数据；对不同类别的联网设备运行数据分别进行分析，获取不同类别的联网设备的运行敏感参数以及运行敏感参数对应的设备剩余寿命；采用机器学习对不同类别的联网设备的运行敏感参数以及运行敏感参数对应的设备剩余寿命进行训练，建立不同类别的设备剩余寿命函数模型；获取不同类别离线设备的运行敏感参数；将不同类别离线设备的运行敏感参数对应输入至不同类别的设备剩余寿命函数模型，得到离线设备剩余寿命预测结果。采用本方法能够准确进行离线设备剩余寿命预测。
离线设备剩余寿命预测方法装置计算机

[发明专利]一种设备剩余寿命预测方法及系统-CN201911093607.8有效
发明人：胡昌华;庞哲楠;司小胜;李天梅;张建勋;杜党波;郑建飞 -专利权人：中国人民解放军火箭军工程大学
申请日： 2019-11-11 - 公布日： 2021-01-29 - 主分类号： G06F30/20 文献下载
摘要：本发明公开一种设备剩余寿命预测方法及系统，该方法包括：建立基于非线性扩散过程的设备退化数学模型；获取加速应力下设备退化参数的估计值，为第一数据；根据第一数据计算正常工作应力下的退化参数值，得到第二数据；通过拟合优度检验确定第二数据的分布类型；根据第二数据的分布类型，得到第二数据的后验分布函数和期望值；根据后验分布函数、期望值和设备退化数学模型得到第一剩余寿命概率密度函数；根据全概率公式修正第一剩余寿命概率密度函数，得到第二剩余寿命概率密度函数；根据第二剩余寿命概率密度函数预测设备剩余寿命。本发明能够提高设备剩余寿命的预测精度。
一种设备剩余寿命预测方法系统

[发明专利]一种基于伪寿命跟踪的产品剩余寿命预测准确性评价方法-CN201110006686.1无效
发明人：石君友;史萌;纪超;李金忠 -专利权人：北京航空航天大学
申请日： 2011-01-13 - 公布日： 2011-05-25 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于伪寿命跟踪的产品剩余寿命预测准确性评价方法，属于故障预测技术领域，具体包括以下几个步骤：步骤一：确定待评价的预测模型组；步骤二：确定各模型预测事例数据；步骤三：计算伪寿命波动系数；步骤四本发明统计每个预测事例对应的寿命消耗值，以及剩余寿命预测值，合成得到伪寿命值，并定量计算伪寿命波动系数，实现对预测模型准确性进行定量评价。而且本发明根据伪寿命预测波动系数数值大小，对预测模型进行排序，可以进行不同预测模型的优选。
一种基于寿命跟踪产品剩余预测准确性评价方法