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！

龙图腾网获悉太原科技大学申请的专利基于动态域自适应网络的系统多退化阶段剩余寿命预测方法、系统、设备及存储介质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：CN121580146B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610110797.3，技术领域涉及：G06F18/241；该发明授权基于动态域自适应网络的系统多退化阶段剩余寿命预测方法、系统、设备及存储介质是由石慧;郭鑫梦;张宇昊;杨泽林;李显泽设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本基于动态域自适应网络的系统多退化阶段剩余寿命预测方法、系统、设备及存储介质在说明书摘要公布了：本发明属于剩余寿命预测技术领域，具体为一种基于动态域自适应网络的系统多退化阶段剩余寿命预测方法、系统、设备及存储介质。该方法包括以下步骤：获取系统的源域监测数据和目标域监测数据并进行预处理；多尺度特征的提取与健康指标的构建；基于IGTS的退化阶段划分；构建包含VBGRU的动态域自适应网络以及模型的训练；将目标域监测数据输入训练好的模型，输出目标域系统的剩余寿命预测值。另外，本发明还提供了执行此方法的系统、设备及存储介质。该系统不仅能够有效提取系统退化过程中的多尺度时序依赖特征，而且还能够自适应地在域之间对齐全局与局部特征，有效提升了变工况场景下剩余寿命预测的泛化能力。

本发明授权基于动态域自适应网络的系统多退化阶段剩余寿命预测方法、系统、设备及存储介质在权利要求书中公布了：1.基于动态域自适应网络的系统多退化阶段剩余寿命预测方法，其特征在于，包括以下步骤： S1、获取系统的源域监测数据和目标域监测数据，并进行预处理；所述源域监测数据带有剩余寿命标签，所述目标域监测数据不带标签； S2、构建多尺度特征提取模块，将预处理后的数据输入至多尺度特征提取模块，通过多条并行的卷积支路提取多尺度时序退化特征，并利用全局通道注意力机制对已提取的多尺度时序退化特征进行自适应融合，得到反映系统退化状态的健康指标特征，其中多尺度特征提取模块包括三条并行的时间卷积支路，每条时间卷积支路包含多个串行的TCN残差块；所述TCN残差块包括膨胀因果卷积层、权重归一化层、ReLU激活层和Dropout层，并使用输入层的直接映射作为残差连接；三条时间卷积支路分别设置尺寸为3、5和7的卷积核，再通过膨胀因果卷积层扩张感受野，用以提取短、中、长距离的时间依赖关系；所述多尺度特征提取模块在每条时间卷积支路中引入多尺度局部特征增强机制，将每条时间卷积支路中上一层的TCN残差块的输出作为下一层的输入，并将每条时间卷积支路中所有TCN残差块的输出进行累加，以捕捉相邻时间点之间的相关局部特征；所述全局通道注意力机制分别使用全局平均池化和全局最大池化提取不同传感器通道的退化全局信息，然后通过Sigmoid激活层生成各通道注意力的权重，对已提取的多尺度时序退化特征进行加权融合，最终形成反映系统退化状态的健康指标特征； S3、构建退化阶段划分模块，采用基于信息增益的时间分割法对源域的健康指标特征进行划分，得到多个退化阶段及其对应的阶段标签； S4、构建动态域自适应网络，所述动态域自适应网络包含特征提取器、子域分类器和剩余寿命预测器；所述特征提取器采用变分自编码器-双向门控循环单元网络，用以表征退化数据的随机性和不确定性以及对长序列的退化特征数据进行提取，其中： 变分自编码器-双向门控循环单元网络包括：双向门控循环单元层，用于捕获输入特征数据的双向时序退化规律，实现长序列退化特征数据的提取；变分自编码器层，用于将输入特征数据映射到低维潜在空间的均值和标准差分布，并通过重参数化技术生成潜在特征，以表征退化数据的随机性和不确定性； 所述子域分类器和剩余寿命预测器均由全连接层组成；其中，子域分类器包含神经元数量分别为128、64和10的三个全连接层；剩余寿命预测器包含神经元数量分别为128、64和1的三个全连接层；且在每两个全连接层之间应用Dropout层，Dropout率为0.2； S5、利用源域数据和目标域数据对动态域自适应网络进行训练；在训练过程中，利用动态权重调整机制，自适应地调整全局域分布对齐与局部子域分布对齐的权重，并通过最小化总损失函数更新网络参数；所述总损失函数包括变分自编码器-双向门控循环单元网络损失、子域分类损失、全局域适应损失和局部子域适应损失； S6、将目标域监测数据输入训练好的多尺度特征提取模块和动态域自适应网络，输出目标域系统的剩余寿命预测值。

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太原科技大学，其通讯地址为：030024 山西省太原市万柏林区窊流路66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。