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！

龙图腾网获悉北京航空航天大学申请的专利一种基于时空特征融合的粉末压制质量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：CN115204307B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210897627.6，技术领域涉及：G06F18/25；该发明授权一种基于时空特征融合的粉末压制质量预测方法及系统是由左颖;石远翔;游虎杰;陶飞设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。

本一种基于时空特征融合的粉末压制质量预测方法及系统在说明书摘要公布了：本发明公开一种基于时空特征融合的粉末压制质量预测方法及系统，包括步骤：压制数据清洗，得到标准压制数据SD；压制数据空间特征提取，利用压制数据空间相关性分析和卷积运算，完成对标准压制数据SD的空间特征提取，得到提取空间特征后的压制数据SM；压制数据时间特征提取，将SM划分成时间窗口序列，利用LSTM完成该序列中压制数据的时间特征提取，并得到压制数据时序预测序列PL；压制数据质量预测，基于SD、SM以及PL训练得到压制数据质量预测模型PModel，利用该模型完成对待测压制数据的质量预测。本发明能够在压制数据特征不明显的条件下，充分提取数据中的空间与时间特征，提高压制数据质量预测的精度。

本发明授权一种基于时空特征融合的粉末压制质量预测方法及系统在权利要求书中公布了：1.一种基于时空特征融合的粉末压制质量预测方法，其特征在于， 步骤一：压制数据清洗，进行压制数据的异常检测与自适应归一化，得到清洗后的标准压制数据，如下： 11根据，计算时刻的待测数据的异常值，为时间范围内的压制数据集合，为中的一条压制数据，为中压制数据最大值、最小值、平均值三者之间的最小差值；若超过可接纳异常值5，则判断待测数据异常，并用中压制数据的平均值替代，否则判断待测数据正常；将所有时刻的压制数据按上述操作进行异常处理，得到异常处理后的压制数据； 12根据数据切分公式，将计算步骤11的切分成段等长的压制数据序列，表示数据切分长度，表示向下取整，序列之外的剩余数据舍弃，根据自适应因子公式计算每段压制数据序列的自适应因子和，通过归一化公式，计算并得到归一化后的压制数据序列； 13基于压制参数的时序性的特点，将步骤12归一化后的压制数据序列，按照时序拼接规则进行拼接，构造成一个二维矩阵作为标准压制数据；压制参数包括8个空间参数和5个时间参数，空间参数有环境温度、环境湿度、环境空气压力、阴模摩擦系数、粉末长径比、粉末泊松比、粉末弹性模量和压药机使用时长，时间参数有粉末相对密度、上模冲压制压力、上模冲压制速度、粉末等效米塞斯应力、粉末等效弹性应变； 步骤二：压制数据空间特征提取，如下： 21根据压制数据空间相关度公式，计算步骤13的标准压制数据中空间参数与时间参数之间的相关度；表示压制过程中的某个时刻，分别表示空间参数和时间参数在时刻的取值，分别表示空间参数和时间参数整个压制过程中的平均值，为压制过程的总时刻； 22根据压制数据空间权重公式，将步骤21中计算的空间相关度转化为空间参数对应时间参数的空间权重； 23将步骤13的标准压制数据中每一时刻有5个时间参数，每个时间参数都被同时刻的8个空间参数围绕，将每个时间参数的空间参数值分别乘以对应的空间权重，得到压制数据空间特征矩阵； 24根据公式，计算得到提取空间特征后的压制数据，为卷积运算符，为压制数据空间特征卷积核； 步骤三：压制数据时间特征提取，如下： 31根据时间窗口公式，计算压制数据时间窗口个数，为压制数据时间窗口大小且，为压制过程总时刻；将步骤24中前t个时刻的压制数据分别置于个时间窗口的起始位置，每个时间窗口依据起始位置的压制数据所属时刻向后取剩余的个时刻的数据，最终得到压制数据时间窗口序列； 32将步骤31的压制数据时间窗口序列中的元素依次输入网络中，利用该网络中独特的细胞结构与记忆机制提取压制数据时间窗口序列的时间特征，并训练的网络参数以输出压制数据的时序预测序列，表示网络对第个时间窗口之后下一时刻的预测数据； 步骤四：压制数据质量预测，如下： 41训练样本集包括压制数据输入集和压制数据标签集，为步骤13中的标准压制数据，是由步骤24中在压制时刻的粉末相对密度数据组成的集合，表示中第个时刻的粉末相对密度数据； 42将步骤41的压制数据输入集先后进行步骤二的空间特征提取与步骤三的时间特征提取，得到步骤32中的作为压制数据预测集； 43根据损失公式，计算压制数据预测的损失值，为判别因子； 44利用优化器对步骤12数据切分长度、步骤24压制数据空间特征卷积核以及步骤32的网络参数进行优化，在损失值小于阈值0.001时停止训练，从而获得压制数据预测损失值达到最低时，最优的、、网络参数； 45基于步骤44得到最优的、、网络参数，构造压制数据的质量预测模型，将待预测压制数据作为的输入，得到质量预测结果。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。