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！

龙图腾网获悉中国计量大学申请的专利一种涡扇发动机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：CN120850804B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511339789.8，技术领域涉及：G06F30/27；该发明授权一种涡扇发动机剩余使用寿命预测方法是由章东平;张天乐;王大为;徐建宇;马道滨;闫天旭设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种涡扇发动机剩余使用寿命预测方法在说明书摘要公布了：本发明公开一种涡扇发动机剩余使用寿命预测方法包括：步骤1：采集涡扇发动机的多维传感器监测数据，进行数据处理并划分为源域和目标域；步骤2：构建双流自适应域融合卷积网络模型；步骤3：训练双流自适应域融合卷积网络模型，对输入数据进行前向传播，提取时间和空间上的特征并进行融合，计算损失函数并利用反向传播算法优化模型参数，调整模型以最小化损失函数，直至训练达到预设的迭代次数上限；步骤4：使用目标域测试数据输入到训练好的模型，进行跨域剩余使用寿命的预测并评估模型。本发明实现了小样本条件下的高精度剩余寿命预测，可为航空发动机等高价值设备的预测性维护提供高效解决方案，适用于复杂工况下的涡扇发动机健康管理。

本发明授权一种涡扇发动机剩余使用寿命预测方法在权利要求书中公布了：1.一种涡扇发动机剩余使用寿命预测方法，其特征在于，包括如下步骤： 步骤1：采集涡扇发动机的多维传感器监测数据，进行数据处理并划分为源域和目标域，得到带标签的源域训练集、无标签的目标域训练集和带标签的目标域测试集； 步骤2：构建双流自适应域融合卷积网络模型； 所述双流自适应域融合卷积网络模型包括源域特征提取模块、目标域特征提取模块、RUL预测器、域判别器和互信息估计模块； 所述源域特征提取模块，包括卷积长短记忆网络ConvLSTM层和卷积神经网络CNN层，在ConvLSTM层输入源域时序传感器数据，提取时间依赖特征，得到时序流的特征；在CNN层输入源域传感器网格数据或降维后的空间表示，提取空间局部特征，得到空间流的特征，通过拼接整合时序流与空间流的特征，输出源域综合特征； 所述目标域特征提取模块与源域特征提取模块结构相同，且共享ConvLSTM和CNN的架构参数，但两者参数独立，输入无标签的目标域数据，输出目标域综合特征； 所述RUL预测器基于多层感知机构建； 所述域判别器通过对抗性学习机制，引导源域特征提取模块和目标域特征提取模块学习域不变特征； 所述互信息估计模块在学习目标域的不变表示的同时，最大化提取的目标特征和目标样本之间的互信息，以保留目标域特有的退化特征信息； 步骤3：训练双流自适应域融合卷积网络模型，将带标签的源域训练集和无标签的目标域训练集同时输入到双流自适应域融合卷积网络模型中，进行前向传播，提取时间和空间上的特征并进行融合，计算损失函数并利用反向传播算法计算损失函数关于模型参数的梯度，然后使用梯度下降算法来更新模型的参数，调整模型以最小化损失函数，直至训练达到预设的迭代次数上限； 步骤4：将带标签的目标域测试集输入训练好的模型，进行跨域剩余使用寿命的预测并评估模型。

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计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。