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：本发明属于剩余寿命预测技术领域，具体涉及一种基于可迁移性分析的跨机器旋转机械剩余寿命预测方法。首先，利用源域有标签数据建立故障分类模型，并对各故障模式的特征进行张量分解，利用核心张量构建各故障类型的元退化趋势；其次，通过计算各故障类型的元退化趋势与目标域轴承退化序列的几何相似度与趋势相似度构建迁移贡献度指标；再次，基于该指标设计加权初始化和自适应冻结策略，对目标域网络进行微调，实现退化知识的跨机器迁移，并建立预测模型与张量分解的交替优化机制，寻找最优的元退化趋势和迁移效果。所使用的预测模型综合考虑数据形态和故障类型信息，在目标机器故障类型未知的情况下，有选择地迁移退化知识，提升迁移预测效果。
主权项：1.一种基于可迁移性分析的跨机器旋转机械剩余寿命预测方法，其特征在于，包括如下步骤：1获取已故障类型和RUL的多个机械元件的退化序列数据并作为源域，获取未知故障类型但已知RUL的多个机械元件的退化序列数据作为目标域；2对源域和目标域的退化序列数据进行特征提取，对提取的特征向量进行张量分解以提取得到其核心张量，并进行降维得到不同故障类型的元退化趋势；3构建用于判别故障类型的分类器，利用源域数据对所述判别器进行训练，利用训练后的判别器对目标域数据的故障类型进行判别；结合判别结果，并综合考虑故障类型及其元退化趋势信息，对源域不同故障类型数据到目标域的可迁移程度进行评价，从而得到每种故障类型对目标域的迁移贡献度；4构建多个用于RUL预测的源域预测模型和一个目标域预测模型，每个预测模型的结构相同；利用源域不同故障类型数据分别训练一个源域预测模型，利用所述每种故障类型的迁移贡献度对训练后每个源域预测模型的网络权重进行加权求和处理，得到的结果作为目标域预测模型的网络权重的初始值；5结合步骤4得到的初始值，利用目标域数据训练所述目标域预测模型，利用训练后的目标域预测模型对机器元件的RUL进行预测。
全文数据：
权利要求：
百度查询： 河南师范大学 基于可迁移性分析的跨机器旋转机械剩余寿命预测方法
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