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
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学邓耀华获国家专利权

广东工业大学邓耀华获国家专利权

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!

龙图腾网获悉广东工业大学申请的专利一种用于转动部件退化预测的多模态数据建模方法及装置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:CN119829951B

龙图腾网通过国家知识产权局官网在2025-09-19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:202510043431.4,技术领域涉及:G06F18/20;该发明授权一种用于转动部件退化预测的多模态数据建模方法及装置是由邓耀华;张紫琳;刘夏丽设计研发完成,并于2025-01-10向国家知识产权局提交的专利申请。

一种用于转动部件退化预测的多模态数据建模方法及装置在说明书摘要公布了:本发明公开了一种用于转动部件退化预测的多模态数据建模方法及装置,用于解决现有的转动部件退化预测建模方法导致模型预测的精准度较差的技术问题。方法包括获取待训练初始多模态信号数据,并基于预置信号处理算法,对待训练初始多模态信号数据进行预处理,生成待训练目标多模态信号数据;采用预置分布函数根据待训练目标多模态信号数据,计算退化指标;采用待训练目标多模态信号数据和退化指标对初始机械转动部件退化预测模型进行模型训练,确定目标机械转动部件退化预测模型。

本发明授权一种用于转动部件退化预测的多模态数据建模方法及装置在权利要求书中公布了:1.一种用于转动部件退化预测的多模态数据建模方法,其特征在于,包括: 使用多源传感器对装备机械部件进行全面监测,获取所述装备机械部件整个生命周期的初始多模态信号数据,并基于预置信号处理算法,对待训练初始多模态信号数据进行预处理,生成待训练目标多模态信号数据;其中,所述初始多模态信号数据包括温度、振动; 采用预置分布函数根据所述待训练目标多模态信号数据,计算退化指标; 采用所述待训练目标多模态信号数据和所述退化指标对初始机械转动部件退化预测模型进行模型训练,确定目标机械转动部件退化预测模型; 所述预置分布函数包括改进的伽马分布概率密度函数和累积分布函数;所述采用预置分布函数根据所述待训练目标多模态信号数据,计算退化指标,包括: 采用改进的伽马分布概率密度函数根据所述待训练目标多模态信号数据中的连续退化量,确定伽马概率密度分布; 将所述待训练目标多模态信号数据中的连续退化量代入累积分布函数,输出联合失效风险概率; 基于所述伽马概率密度分布,确定所述待训练目标多模态信号数据对应的当前时刻熵值; 对所述待训练目标多模态信号数据对应的当前时刻熵值和历史时刻熵值进行差值运算,确定所述待训练目标多模态信号数据对应的熵值之差; 根据所述熵值之差和所述联合失效风险概率,计算退化指标; 所述联合失效风险概率的计算过程,具体为: ; 其中,为联合失效风险概率;为振动退化量的阈值;为温度退化量的阈值;V为振动退化量;T为温度退化量;和分别为振动和温度退化量的累积分布函数;C为高斯Couple函数; 所述退化指标的计算过程,具体为: ; 其中,DI为退化指标;为失效风险概率的权重因子;为t时刻的联合失效风险概率;为熵值差的权重因子;为振动变量对应的熵值之差;为温度变量对应的熵值之差。

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广东工业大学,其通讯地址为:510080 广东省广州市越秀区东风东路729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。