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！

龙图腾网获悉中国航空综合技术研究所申请的专利基于LSTM模型的离心叶轮泵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：CN119830717B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411847493.2，技术领域涉及：G06F30/27；该发明授权基于LSTM模型的离心叶轮泵寿命预测方法是由徐文正;任岳;胡薇薇;韩默楠设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于LSTM模型的离心叶轮泵寿命预测方法在说明书摘要公布了：本发明提供一种基于LSTM模型的离心叶轮泵寿命预测方法，其包括：采集离心叶轮泵运行数据并构建样本数据集；针对样本数据集进行预处理；构建长短时记忆网络模型；训练长短时记忆网络模型并测试，获得训练好的长短时记忆网络模型；基于训练好的长短时记忆网络模型，预测离心叶轮泵的寿命。本发明通过构建长短时记忆网络模型进行模型训练和离心叶轮泵寿命预测，能够通过数据驱动自动提取特征，处理复杂的非线性时序数据，无需依赖复杂的物理建模流程，具有更高的准确性、灵活性和鲁棒性，实用性更强。

本发明授权基于LSTM模型的离心叶轮泵寿命预测方法在权利要求书中公布了：1.一种基于LSTM模型的离心叶轮泵寿命预测方法，其特征在于，其包括以下步骤： S1、采集离心叶轮泵运行数据并构建样本数据集； S11、利用传感器采集离心叶轮泵运行数据，所述离心叶轮泵运行数据包括离心叶轮泵运行时间和流量； S12、基于离心叶轮泵运行数据，构建训练模型所需的样本数据集； S2、针对样本数据集进行预处理：所述预处理包括异常数据剔除、清洗离群数据和平滑处理数据； S3、划分样本数据集：将所述样本数据集划分为第一数据集和第二数据集，所述第一数据集用于进行模型训练，所述第二数据集用于模型测试； S4、构建长短时记忆网络模型：所述长短时记忆网络模型包括遗忘门、输入门和输出门； S41、建立遗忘门：使用Sigmoid激活函数将上一时刻t‑1的记忆细胞ht‑1与当前时刻t输入的离心叶轮泵运行时间xt转化为遗忘值ft； S42、建立输入门：借助Sigmoid激活函数和tanh函数获得新的记忆细胞状态； S421、使用Sigmoid激活函数将上一时刻t‑1的记忆细胞ht‑1与当前时刻t输入的离心叶轮泵运行时间xt转化为输入值It，表示为： It＝σW1[ht‑1，xt]+b1  4其中，W1，b1分别表示为输入门的第一权重值和第一补偿值；σ·表示Sigmoid激活函数操作； S422、使用tanh函数将上一时刻的记忆细胞与当前时刻t输入的离心叶轮泵运行时间xt转化为新的候选记忆细胞状态表示为： 其中，Wc，bc分别表示为输入门的第二权重值和第二补偿值； S423、基于遗忘门作用于上一时刻t‑1的记忆细胞状态Ct‑1，将It作用于新的候选记忆细胞状态获得当前时刻t的新的记忆细胞状态Ct： S43、建立输出门：借助Sigmoid激活函数和tanh函数获得新的记忆细胞； S431、使用Sigmoid激活函数将上一时刻t‑1的记忆细胞与当前时刻t输入的离心叶轮泵运行时间xt转化为输出值Ot，表示为： Ot＝σW0[ht‑1，xt]+b0   7其中，W0，b0分别表示为输出门的权重值和补偿值； S432、基于输出值Ot，将tanh函数作用于新的记忆细胞状态Ct，获得当前时刻t的新的记忆细胞ht： ht＝OttanhCt  8； S5、训练长短时记忆网络模型并测试，获得训练好的长短时记忆网络模型：基于第一数据集进行长短时记忆网络模型的训练，基于第二数据集进行长短时记忆网络模型的测试； S6、基于训练好的长短时记忆网络模型，预测离心叶轮泵的寿命：基于训练好的长短时记忆网络模型，继续增加离心叶轮泵运行时间，对离心叶轮泵的流量进行预测，当离心叶轮泵的流量低于设定阈值时，离心叶轮泵失效，从而获得离心叶轮泵的寿命。

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中国航空综合技术研究所，其通讯地址为：100028 北京市朝阳区东直门外京顺路7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。