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！

龙图腾网恭喜浙江大学申请的专利复杂装备运动部件变工况可靠性预测与故障主动预警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：CN119202621B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411697377.7，技术领域涉及：G06F18/20；该发明授权复杂装备运动部件变工况可靠性预测与故障主动预警方法是由程锦;申硕硕;刘振宇;冯毅雄;刘达新;张树有;谭建荣设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本复杂装备运动部件变工况可靠性预测与故障主动预警方法在说明书摘要公布了：本发明公开了复杂装备运动部件变工况可靠性预测与故障主动预警方法，属于复杂装备可靠性预测与故障预警领域，采用分数阶矩方法和优化校正方法获得复杂装备运动部件变工况可靠性数据；采集不同工况下复杂装备运动部件内部温度、驱动电机电压和电流、负载等数据，构建训练和测试数据集，建立预测不同工况参数下复杂装备运动部件可靠性的长短期记忆神经网络模型；实时监测复杂装备运行工况数据并输入到网络中，实现复杂装备运动部件可靠性预测，并在预测的运动部件可靠性低于规定要求时发出警报，实现故障主动预警。本发明探究了变工况下复杂装备运动部件可靠性演化机制，实现了可靠性准确预测和故障主动预警，有助于保证复杂装备安全可靠运行。

本发明授权复杂装备运动部件变工况可靠性预测与故障主动预警方法在权利要求书中公布了：1.复杂装备运动部件变工况可靠性预测方法，其特征在于包括如下步骤：步骤1：通过采集不同工况下复杂装备运动部件性能数据，以计算运动部件性能分数阶统计矩，并建立含未知参数的运动部件性能函数的概率模型，根据所述概率模型计算运动部件性能的解析形式分数矩，建立所述运动部件性能分数阶统计矩与所述解析形式分数矩之间的校正准则，并采用优化校正方法求解所述概率模型的最优未知参数，以计算复杂装备运动部件可靠性，最终获取到不同时刻下运动部件的可靠性数据；具体包括如下步骤：步骤1.1：根据复杂装备运动部件性能需求，建立复杂装备运动部件可靠性表征模型；步骤1.2：采集不同工况下运动部件性能数据，以计算运动部件性能分数阶统计矩；运动部件性能分数阶统计矩，公式如下： 其中，表示运动部件性能参数的分数阶矩，r表示分数矩的阶数，l＝1,2,...,L表示阶数的索引值，L表示预设的总阶数，Gi表示采集的第i个工况下运动部件性能数据，n表示工况的数量；步骤1.3：采用对数偏斜正态分布近似表征运动部件性能函数概率模型，由概率模型获得运动部件性能函数的解析形式分数矩；对数偏斜正态分布近似表征运动部件性能函数的概率模型，公式如下： 其中，r表示分数矩的阶数，a∈R表示位置参数，b＞0表示尺度参数，c∈R表示形状参数，R表示实数域，φ·和Φ·分别表示标准正态分布的概率密度函数和累积分布函数，Ξ＝[a,b,c]表示未知参数；所述运动部件性能函数的解析形式分数矩，公式如下： 其中，表示基于运动部件性能参数z的所述概率模型对应的解析形式分数矩，exp·表示指数函数；步骤1.4：建立实验数据获得的运动部件性能分数矩和解析形式分数矩之间的校正准则，并利用优化模型求解概率模型的最优未知参数；校正准则Q公式如下： 其中，r＝[r1,r2,...,rl,...rL]T表示不同阶数组成的向量，l＝1,2,...,L表示阶数的索引值，L表示预设的总阶数，Ξ表示未知参数，表示不同阶分数阶统计矩组成的向量，z表示运动部件性能参数，表示解析形式分数矩，表示不同阶解析形式分数矩组成的向量；所述优化模型的公式如下： 其中，ΞOC表示未知参数的最优值，表示取最小值对应的未知参数Ξ操作；步骤1.5：根据最优未知参数得到校正后的运动部件性能函数概率模型，基于校正后的概率模型，通过所述复杂装备运动部件可靠性表征模型，计算运动部件可靠性；步骤1.6：获取不同时刻采集的运动部件性能数据，并基于上述步骤，得到复杂装备运动部件可靠性数据；步骤2：构建不同工况参数和复杂装备可靠性数据间的神经网络模型，结合工况参数数据和可靠性数据，建立训练数据集和测试数据集，用于训练所述神经网络模型；步骤3：根据监测数据，通过训练好的神经网络模型，实时预测复杂装备运动部件可靠性。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。