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！

龙图腾网获悉上海大学申请的专利一种基于统计模型与深度学习的设备多阶段退化演化预测方法、设备和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：CN115935813B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211503835.X，技术领域涉及：G06F30/27；该发明授权一种基于统计模型与深度学习的设备多阶段退化演化预测方法、设备和存储介质是由段超群;郭康豪;沈逸霖;钟宋义;刘富樯;蒲华燕;罗均;刘志杰;孟献兵设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于统计模型与深度学习的设备多阶段退化演化预测方法、设备和存储介质在说明书摘要公布了：本发明属于设备退化演化预测技术领域，公开了一种基于统计模型与深度学习的设备多阶段退化演化预测方法、设备和存储介质。本发明建立AR模型将机械设备的退化过程划分为多个退化阶段，同时采用GA优化的LSTM构建多阶段退化演化预测模型，减少了退化演化预测的不确定性，提高了预测精度，同时多阶段预测结果可以估计每个阶段的状态，可以更好地支持机械设备剩余寿命的预测，因此具有实际的应用意义。

本发明授权一种基于统计模型与深度学习的设备多阶段退化演化预测方法、设备和存储介质在权利要求书中公布了：1.一种基于统计模型与深度学习的设备多阶段退化演化预测方法，其特征在于，包括如下步骤： S1：提取退化指标时序数据总集：采集设备退化信号的时间序列数据，以均方根为退化指标，按单位时间段提取所述退化信号的时间序列数据的均方根值，得到退化指标时序数据总集； S2：识别退化突变点：将步骤S1得到的退化指标时序数据总集分段处理，同时分段建立AR模型，然后根据AR模型拟合结果获取AR模型一步预测误差，以多段误差最小为目标识别退化突变点； S3：获得LSTM模型最优参数组合：构建LSTM模型，采用遗传算法GA优化LSTM模型涉及到的参数，得到最优参数组合； S4：以步骤S2得到的退化突变点为界将退化指标时序数据总集划分为多个退化指标时序数据子集；采用步骤S3得到的最优参数组合代入构建的LSTM模型中构建退化预测模型，并分别以每个退化指标时序数据子集训练和测试所述退化预测模型，同时得到多段退化预测曲线；按时序拼接多段退化预测曲线后即得多阶段退化预测曲线； 步骤S2中识别退化突变点的具体步骤为： S21、识别第一退化突变点： S211、根据所述退化指标时序数据总集的变化趋势，划定第一退化突变点所在区间； S212、在退化突变点所在区间内选取任意一点将所述退化指标时序数据总集划分为第一子集和第二子集； S213、以AR模型为基础，分别以第一子集和第二子集建立第一AR模型和第二AR模型；然后分别采用第一AR模型和第二AR模型对第一子集和第二子集中的数据拟合，计算得到第一AR模型的一步预测误差平方和与第二AR模型的一步预测误差平方和之和RSS； S214、遍历步骤S211中所述退化突变点所在区间内所有点，重复步骤S212和步骤S213的计算过程得到退化突变点所在区间内所有点的RSS；筛选RSS最小时对应的点为第一退化突变点； S22、识别其他退化突变点：根据所述退化指标时序数据总集中第一退化突变点之后的数据变化趋势，再次划定第二退化突变点所在区间；在退化突变点所在区间内选取任意一点将退化指标时序数据总集中第一退化突变点之后的数据划分为第一子集和第二子集；重复步骤S213和步骤S214得到第二退化突变点；以此类推得到所述退化指标时序数据总集中所有退化突变点。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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”。