龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：河南师范大学
摘要：本发明涉及一种时变工况下机械设备在线剩余寿命预测方法，属于机械产品寿命预测技术领域。本发明首先构建深度张量适配的预训练教师网络，计算离线退化数据和目标域早期故障数据的核心张量，利用构建的元退化知识信息进行多层次张量领域适配，在此基础上进行交替优化，获取最优核心张量表示与高质量的域无关时序特征表示；其次，利用贯序到达数据块与离线退化序列进行张量领域适配，并计算在线退化序列的上下文递增趋势性以构建时序自监督信息，为在线模型提供高质量的时序互信息。最终，在线网络利用教师模型蒸馏退化知识进行增量更新，实现可变工况下的在线RUL预测。该方法可有效提高时变工况下RUL预测的准确性和稳定性。
主权项：1.一种时变工况下机械设备在线剩余寿命预测方法，其特征在于，该预测方法包括以下步骤：1获取离线工况下的机械设备全寿命退化数据及对应的标签，并将其作为源域数据，获取目标域早期故障数据；2建立无监督回归教师模型，利用该教师模型对源域数据、目标域早期故障数据进行特征提取，将源域与目标域映射至同一高维空间，并捕获深度特征中的时序信息；利用张量分解模型对教师模型提取的深度特征中的时序信息进行张量分解，求解核心张量，利用核心张量对教师模型进行预训练；3构建深度回归学生模型，将源域数据作为该学生模型的输入，利用教师模型的预测值进行知识蒸馏，实现学生模型的预训练，使学生模型学习离线退化数据的故障演化知识；4利用预训练的教师模型和学生模型构建在线蒸馏框架网络，获取在线机械设备全寿命退化数据作为在线数据块，将在线数据块和源域数据输入到在线蒸馏框架网络中，利用预训练的教师模型和张量分解模型得到在线数据块的伪标签；5基于伪标签对在线蒸馏框架网络中的学生模型进行训练，并对该学生模型进行增量更新，将在线数据块输入到训练、更新后的学生模型中，进而实现对在线数据块预测。
全文数据：
权利要求：
百度查询： 河南师范大学 一种时变工况下机械设备在线剩余寿命预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号