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！

龙图腾网获悉南京航空航天大学申请的专利一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用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：CN116305614B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310071606.3，技术领域涉及：G06F30/17；该发明授权一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用寿命预测方法是由马亚杰;周绛男;姜斌;陆宁云;冒泽慧设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用寿命预测方法在说明书摘要公布了：本发明公开了一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用寿命预测方法，包括：获取轴承全寿命周期时序振动信号并进行归一化处理，将预处理所得到的信号作为残差卷积神经网络的输入，利用一维深度残差卷积神经网络自动提取数据局部抽象信息以挖掘轴承时序振动信号的深层次特征；将提取的深层次特征输入到深度LSTM网络中，构建轴承趋势性特征；使用优化算法对所有网络超参数进行优化，完成轴承剩余使用寿命预测，获得基于残差卷积神经网络和深度LSTM网络的滚动轴承寿命预测模型；将测试轴承非全寿命周期时序振动信号输入模型中，获得测试轴承的剩余使用寿命。本发明利用深度神经网络模型能够有效提高轴承寿命预测的准确性。

本发明授权一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用寿命预测方法在权利要求书中公布了：1.一种基于残差卷积神经网络和LSTM的滚动轴承剩余使用寿命预测方法，其特征在于，包括以下步骤： 步骤1、数据预处理：获取轴承全寿命周期时序振动信号，构建不同工况下的训练集Dtrain＝{xt,yt}T，Dtrain为某一工况下某一轴承的全寿命周期时序振动信号，xt∈RP×2为轴承P×2维的特征输入，P＝2560，yt∈[0,1]为预测模型的输出，T为轴承在运行过程的失效时间，即轴承的全寿命值； 步骤2、初步特征提取，具体过程包括： 2.1、搭建一维深度残差卷积神经网络模型：包括一个post-activation残差块和a个pre-activation残差块；利用一维残差卷积神经网络中的不同结构的残差块对整个输入振动信号序列进行处理，初步自适应挖掘振动信号的深层次退化特征；将对时序振动信号归一化处理后得到的xt输入至一维深度残差卷积神经网络模型G中； 2.2、对归一化后的轴承时序振动信号xt进行第一层卷积操作，第一个Conv层的步幅大小为s1，卷积核采用k1×1的大小，卷积核的核数为m1；然后采用BN层来加速网络的计算和优化；采用非线性激活函数Relu进行非线性操作，输出第一层信号特征； 2.3、将第一个Conv层输出的特征输入到post-activation残差块中，post-activation残差块从Conv层开始，然后依次是BN层、Relu层、最后以Conv层结束；在Relu层后添加Dropout层；在残差学习框架中加入了一个MaxPool层；两个Conv层和MaxPool层的结构均使用了内核大小为k2×1的卷积核，步幅大小为s2；在post-activation残差块中，两个卷积核的核数分别为m2和m3，最后输出特征； 2.4、将post-activation残差块输出的特征输入至由多个一维残差模块即pre-activation残差块堆积的深度残差模块中；pre-activation残差块从BN层开始，然后依次是Relu层、Conv层、BN层、Relu层、Conv层，在残差结构中使用MaxPool层；第一个Conv层采用卷积核大小为k3×1，步幅大小为s3；第二个Conv层采用卷积核大小为k4×1，步幅大小为s4；MaxPool层采用卷积核大小为k5×1，步幅大小为s5；经过若干个pre-activation残差块输出轴承深层次特征，最后连接BN层和Relu层完成滚动轴承基于残差卷积神经网络的初步深层次特征提取过程； 步骤3、趋势性特征构建：将一维残差卷积神经网络的输出结果输入到深度LSTM中，进一步构建滚动轴承的趋势性特征信息； 步骤4、模型训练：步骤2和步骤3构建轴承趋势性量化特征，再利用全连接神经网络的线性层拟合滚动轴承的性能退化趋势；使用Adam优化算法对所有超参数进行优化，完成轴承深层次特征自提取以及RUL预测，从而获取基于残差卷积神经网络和LSTM的轴承RUL预测模型； 步骤5：模型测试。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。