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 > 北京朗夫赛弗技术有限公司于之波获国家专利权

北京朗夫赛弗技术有限公司于之波获国家专利权

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!

龙图腾网获悉北京朗夫赛弗技术有限公司申请的专利一种基于润滑振动和温度的三重加权设备综合状态评价及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:CN119848772B

龙图腾网通过国家知识产权局官网在2025-12-02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:202411932881.0,技术领域涉及:G06F18/25;该发明授权一种基于润滑振动和温度的三重加权设备综合状态评价及预测方法是由于之波设计研发完成,并于2024-12-26向国家知识产权局提交的专利申请。

一种基于润滑振动和温度的三重加权设备综合状态评价及预测方法在说明书摘要公布了:本发明公开了一种基于润滑振动和温度的三重加权设备综合状态评价及预测方法,本发明通过融合技术整合不同来源的数据,并使用传感器实时采集润滑、温度和振动信号;数据经过处理后存储于数据库;对振动信号进行滤波和奇异点剔除,所有信号均进行归一化处理;再从时域分析中提取关键参数,利用层次分析法确定各信号权重;综合评价模型采用Z‑score标准化处理后的数据,结合权重计算设备整体状态评价值,与预设值比较以评估设备状态;最后,使用长短期记忆网络基于历史数据训练预测模型,通过交叉验证优化模型参数,预测设备未来状态。

本发明授权一种基于润滑振动和温度的三重加权设备综合状态评价及预测方法在权利要求书中公布了:1.一种基于润滑振动和温度的三重加权设备综合状态评价及预测方法,其特征在于,包括: 步骤A1:对已有系统进行不同系统的数据融合和统一化处理;对于新上系统,使用传感器采集润滑信号、温度信号和振动信号; 步骤A2:将采集到的润滑信号、温度信号和振动信号进行缺失值和归一化处理; 步骤A3:从处理后的润滑信号、温度信号和振动信号中使用时域分析提取关键特征; 所述步骤A3中,从处理后的润滑、温度和振动信号中选择待分析的信号,再计算基本统计特征、绝对波动幅度以及均方值根,通过基本统计特征、绝对波动幅度以及均方值根进行计算提取润滑信号、温度信号和振动信号的关键特征; 润滑信号中提取到的关键特征包括润滑油的粘度、颗粒度和水分含量;温度信号提取到的关键特征包括温度变化率和波动范围;振动信号提取到的关键特征包括振动的频谱、幅值和相位; 步骤A4:通过构建层次结构模型,将润滑信号、温度信号和振动信号的权重进行确定; 所述步骤A4中,将问题分解成3个层次,分为目标层、准则层和方案层;将准则层中的信号进行两两对比,并构建判断矩阵;使用1-9标注法确定比较的程度; 构建判断矩阵的计算方法具体为: ,其中,A表示为判断矩阵,表示为信号i相对信号j的重要性评分; 构建判断矩阵后,计算判断矩阵中第i行的和,则判断矩阵中第i行的和的计算方法具体为: ,其中,表示为判断矩阵中第i行的和,表示为信号i相对信号j的重要性评分,b表示为信号的总数; 计算归一化后的判断矩阵,则归一化后的判断矩阵计算方法具体为: ,其中,表示为归一化后的判断矩阵,表示为信号i相对信号j的重要性评分,表示为判断矩阵中第i行的和; 归一化后的判断矩阵的每一行元素的平均值即为各因素的权重,则权重的计算方法具体为: ,其中,表示为第i个信号的权重值,表示为归一化后的判断矩阵,b表示为信号的总数; 将权重计算后,再对判断矩阵进行一致性检验,则一致性比率的计算方法具体为: ,其中,D表示为一致性比率,E表示为一致性指标,F表示为随机一致性指数; 步骤A5:将润滑状态、振动状态和温度状态的监测数据进行构建综合评价模型; 所述步骤A5中,对各状态指标进行标准化处理;对各状态指标进行Z-score标准化处理,Z-score标准化方法将各状态指标的值转换为标准正态分布; 整体状态评价值计算方法具体为: ,其中,Q表示为整体状态评价值,G表示为标准化后的润滑状态,H表示为标准化后的振动状态,K表示为标准化后的温度状态,表示为润滑状态的权重,表示为振动状态的权重,表示为温度状态的权重; 将计算出的整体状态评价值与预设的整体状态评价阈值进行对比,若计算出的整体状态评价值大于预设的整体状态评价阈值,则表示设备的运行状态逐渐恶化;若计算出的整体状态评价值小于预设的整体状态评价阈值,则表示设备的运行状态正常,继续监测; 步骤A6:基于综合评价结果,对设备的未来状态进行预测; 使用长短期记忆网络方法构建预测模型;模型训练过程中需不断调整参数;通过交叉验证方法评估模型的性能,计算准确率、召回率指标;根据评估结果对模型进行优化,调整算法参数和更换模型结构;根据预测模型的输出结果,预测设备的未来状态。

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朗夫赛弗技术有限公司,其通讯地址为:100192 北京市海淀区后屯南路26号503室;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。