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！

龙图腾网获悉江苏科技大学申请的专利一种基于轴承寿命的交叉自适应深度迁移学习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：CN117171713B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310987241.9，技术领域涉及：G06F18/27；该发明授权一种基于轴承寿命的交叉自适应深度迁移学习方法及系统是由程德俊;李泽健;张胜文;方喜峰;张春燕;朱成顺;张辉设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本一种基于轴承寿命的交叉自适应深度迁移学习方法及系统在说明书摘要公布了：本发明公开了一种考虑衰退过程多样性的轴承剩余使用寿命多特征交叉自适应深度迁移学习方法及系统，该方法采集滚动轴承的原始振动信号，对采集的信号通过滑窗分割和时频特征信息提取得到多维振动信号数据。然后通过PCA降维多维信号中的时域特征获取综合特征，再利用MMD来获取轴承的退化指标以及梯度特征，利用提出的自适应梯度迭代划分算法对滚动轴承全生命周期的数据进行自适应的阶段划分，得到轴承的不同衰退阶段。根据轴承实际的工作情况提出了衰退速率这一概念并根据此概念去对测试集和训练集打上标签。将数据投入多特征交叉迁移网络中实现对不完整目标域RUL的预测。该方法利用已知的易获取的数据进行训练，实现对不完整生命周期数据的有效预测。

本发明授权一种基于轴承寿命的交叉自适应深度迁移学习方法及系统在权利要求书中公布了：1.一种基于轴承寿命的交叉自适应深度迁移学习方法，其特征在于，包括以下步骤： 1采集滚动轴承的原始振动信号，并采用滑动窗口分割方法获得多段振动信号数据； 2对步骤1中得到的原始振动信号进行数据预处理，并进行特征提取以获取时域和频域特征参数； 3将获取的多维时域特征利用PCA降维技术以获取时域综合特征； 4对步骤3中的时域综合特征利用滑窗分割多段，并计算每一段与第一段的最大均值化差异MMD，来获取轴承退化指标，以及对应梯度曲线； 5将获取的梯度曲线利用AGIP算法自适应的自动识别阶段跨越点，进而得到轴承的各个不同阶段；所述AGIP算法包括：先通过计算所述梯度曲线前5%梯度的平均值作为基准梯度阈值[g0]，然后自动更新寻找每个阶段的梯度阈值，以此来确定首次预测时间点FPT和阶段转变点STP，从而实现对滚动轴承全生命周期数据进行多级衰退阶段的划分； 6根据得到的划分识别信息与所述特征参数相结合划分出训练集和测试集，并根据衰退速率打上对应的标签，其中训练集为带标签的源域和无标签的早期的目标域； 7将训练集中各个阶段的数据送入时间序列预测网络模型中进行训练获得不同阶段的预测模型； 8将划分得到的测试集送入步骤7中训练好的时间序列预测网络中进行预测，输出最终的滚动轴承剩余寿命预测结果。

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江苏科技大学，其通讯地址为：212000 江苏省镇江市京口区梦溪路2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。