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基于数字孪生时空并行学习的装备部件性能退化监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：CN119848633B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510322385.1，技术领域涉及：G06F18/241；该发明授权基于数字孪生时空并行学习的装备部件性能退化监测方法是由裘辿;孙嘉诚;刘振宇;王栋;谭建荣设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本基于数字孪生时空并行学习的装备部件性能退化监测方法在说明书摘要公布了：本申请公开了一种基于数字孪生时空并行学习的装备部件性能退化监测方法，涉及装备性能监测技术领域，该方法中，基于数字孪生系统中的部件服役状态辨识模型，根据关键部件的加工过程多源传感数据，辨识得到关键部件的部件服役状态，通过循环一致的生成、判别与分类过程平衡样本不平衡下对部件服役状态的辨识能力，克服了不同服役状态的样本数量不均衡、服役状态辨识精度不足的问题；然后基于部件服役状态下的部件性能退化监测模型，根据关键部件的多源传感数据，可充分捕捉多源传感数据动态变化的时空耦合特性，得到关键部件的部件性能指标退化值，本申请将状态辨识和退化监测结合，得以全面反映复杂装备关键部件性能退化进程的深入研究。

本发明授权基于数字孪生时空并行学习的装备部件性能退化监测方法在权利要求书中公布了：1.一种基于数字孪生时空并行学习的装备部件性能退化监测方法，其特征在于，包括：采集复杂装备关键部件的加工过程多源传感数据；所述加工过程多源传感数据为所述关键部件在一次加工过程中的多源传感数据；基于数字孪生系统中的部件服役状态辨识模型，根据关键部件的所述加工过程多源传感数据，辨识得到所述关键部件的部件服役状态；所述部件服役状态辨识模型为具有循环一致性的分类增强网络，通过循环一致的生成、判别与分类过程平衡样本不平衡下对部件服役状态的辨识能力；所述数字孪生系统为与所述复杂装备具有相同特征的虚拟实时仿真系统，用于实时监测各部件的性能指标；基于所述部件服役状态下的部件性能退化监测模型，根据关键部件的所述加工过程多源传感数据，得到关键部件的部件性能指标退化值，实现对复杂装备关键部件的性能退化监测；所述部件性能退化监测模型包括时序特征建模支路和空间特征建模支路；所述空间特征建模支路用于根据所述加工过程多源传感数据对应的图结构化传感数据提取潜在空间特征；所述时序特征建模支路用于对所述加工过程多源传感数据提取长期时序特征，并将所述长期时序特征和所述潜在空间特征进行融合后，得到关键部件的部件性能指标退化值；在所述空间特征建模支路中，采用K近邻法构建每个加工过程多源传感数据的图结构化传感数据，然后通过三层图卷积操作逐步提取多源传感数据间的潜在空间特征，从而捕捉关键部件的性能退化过程的空间分布模式；结合双向门控循环单元与全局注意力机制，在捕捉加工过程多源传感数据中时间动态变化规律的同时，调节不同潜在空间特征对预测任务的影响；所述时序特征建模支路采用编码器-解码器结构来高效建模长时序数据的复杂模式，所述时序特征建模支路的编码器由三层重复堆叠的模块构建，每层包含多头概率稀疏自注意力机制以及用于降维的卷积层，能够通过级联特征图捕捉加工过程多源传感数据的长期依赖和局部特征，同时还降低了计算复杂度；所述时序特征建模支路的解码器由两层模块构成，通过多头概率稀疏自注意力机制提取刀具磨损量的演变规律，利用交叉注意力机制构建传感数据与性能指标之间的全局关联，并融合多源传感数据的长期依赖和局部特征。

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”。