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！

龙图腾网获悉山东科技大学申请的专利基于多尺度注意力的航空发动机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：CN120180042B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510614982.1，技术领域涉及：G06F18/20；该发明授权基于多尺度注意力的航空发动机剩余寿命预测方法及系统是由居文军;孙渝林设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本基于多尺度注意力的航空发动机剩余寿命预测方法及系统在说明书摘要公布了：本发明属于航空发动机寿命预测技术领域，公开了基于多尺度注意力的航空发动机剩余寿命预测方法及系统。该方法采集的航空发动机的原始数据进行处理，对多工况数据中的周期性和趋势性特征进行自适应提取，动态划分时间片段；利用低复杂度的多尺度注意力机制，通过尺度间连通建立不同时间维度的相关性，并行排列的传感器编码器与时间步编码器分别从传感器维度和时间维度提取特征，完成对多工况数据中与航空发动机退化相关信息进行捕捉，获取航空发动机运行中剩余使用寿命值。本发明避免了单一特征提取导致的信息缺失，提升模型对不同工况变化的适应性和鲁棒性。

本发明授权基于多尺度注意力的航空发动机剩余寿命预测方法及系统在权利要求书中公布了：1.一种基于多尺度注意力的航空发动机剩余寿命预测方法，其特征在于，该方法包括以下步骤： S1，对采集的航空发动机的原始数据进行处理，获取航空发动机运行过程的剩余使用寿命值；航空发动机通过多个传感器实时监测工况，采集的原始数据包括飞行高度、马赫数、油门杆角度以及多个包含有效退化信息的传感器信息； S2，基于获取的航空发动机运行过程的剩余使用寿命值，依据航空发动机的工况特性，对多工况数据中的周期性和趋势性特征进行自适应提取，动态划分时间片段；结合传感器数据的特征权重，动态调整卷积核尺度，并构建多分辨率树形结构； S3，基于构建的多分辨率树形结构，利用低复杂度的多尺度注意力机制，通过尺度间连通建立不同时间维度的相关性，通过细尺度和粗尺度节点之间的信息交换实现局部和全局信息的融合，通过尺度内连通在相同尺度内获得上下文的相关性，通过粗尺度之间内部连通获得远距离位置间的依赖关系； S4，将获得的上下文的相关性、远距离位置间的依赖关系输入并行排列的传感器编码器与时间步编码器，分别从传感器维度和时间维度提取特征，完成对多工况数据中与航空发动机退化相关信息进行捕捉，获取航空发动机运行中剩余使用寿命值； 在步骤S2中，依据航空发动机的工况特性，对多工况数据中的周期性和趋势性特征进行自适应提取，动态划分时间片段，包括： 利用离散傅里叶变换将输入数据从时域转换到频域，并选择幅值最大的K个频率分量，保持频域的稀疏性；通过逆傅里叶变换将选定的频率分量还原至时域，得到周期性分量，过程为： Xper＝IDFT{f1，...,fk}＝argTopKA，A＝DFTX 式中，Xper为得到的周期性分量表示，IDFT为离散傅里叶的逆变换过程，fk为第k个频率分量，TopK为选择K个振幅最大的频率分量方法，DFT为离散傅里叶变换过程，X为输入数据，A为离散傅里叶变换后每个频率对应的振幅； 趋势分解部分使用不同的平均池化核进行移动平均，根据周期性分解后的剩余部分提取总体趋势量，将不同核得到的结果采用加权运算得到趋势分量的表示： Xrem＝X-Xper 式中，Xtrend为得到的趋势性分量，Softmax为激活函数，确保每个元素的值在0到1之间且总和为1，为第i个内核的平均池化函数；Xrem为原始数据在经过周期性分解后的剩余数据； 将周期分量和趋势分量与原始输入X相加，进行沿时间维度转换合并得到Xtrans∈RN×d，d为选择的传感器维度，Xtrans为输入X与周期分量和趋势分量在时间维度求和结果，R为实数集，N为时间序列长度；使用可学习的权重矩阵W1，W2∈Rd×M接收来自传感器编码器层得到的核心机数据的注意力权重，得到每个划分出的片段大小每个划分出的片段大小表示为： 式中，Sigmoid为激活函数，将变量映射到0,1之间；ReLU为激活函数，Xtrans为输入X与周期分量和趋势分量在时间维度求和结果，Xper为周期性分量，W1,W2均为权重矩阵，为划分出的片段大小。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。