本发明公开了一种远端模块寿命预测模型的建立方法与寿命预测方法，所述建立方法包括：获取各样本远端模块的特征参数和输出信号；基于各样本远端模块的输出信号，判断各样本远端模块运行状态，根据运行状态正常的样本远端模块的特征参数值，确定远端模块各特征参数的老化阈值和故障阈值；计算远端模块各特征参数的平均年变化率；根据确定的远端模块各特征参数的老化阈值、故障阈值和计算的年变化率，计算各样本远端模块剩余使用寿命；基于各样本远端模块剩余使用寿命，建立远端模块剩余寿命预测模型。本发明能够预测直流光测量系统远端模块的剩余使用寿命。
📄 2022103174211
📂 G06F30_27
👤 南京邮电大学
📅 2022-03-29
本发明提供一种基于卷积神经网络的行波超声电机剩余寿命预测方法及系统，包括：基于预设的数据采集模板对待测电机进行数据采集，获取输入数据；将输入数据输入神经网络模型中，获取的待测电机的剩余寿命的预测值。本发明的基于卷积神经网络的行波超声电机寿命预测方法，将电机的多种属性按时间刻度记录，对记录的数据预处理后，输入神经网络模型，使用神经网络模型强非线性拟合能力，构建属性和寿命间的隐性关系，最终使用训练好的模型去预测电机寿命，从超声电机整个系统出发，具有很强的拟合，可以针对超声电机系统整体运行出发，进行精确的寿命预测。
📄 2022104485720
📂 G06F30_27
👤 盐城工学院, 盐城工学院技术转移中心有限公司
📅 2022-04-26
本发明公开了一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，并将其运用于轴承剩余寿命预测中。首先，构造了基于故障特征处L∞/L1范数的适应度函数。该适应度函数利用了滚动轴承故障建模知识；能有效描述故障脉冲和循环平稳特征，提高了对滚动轴承振动信号进行VMD的自适应性。其次，本发明提出了一种基于SES和HD的IMF信号重构方法，在不丢失原始信号的情况下提高信噪比。利用重构信号进行滚动轴承RUL预测，提高了预测精度。
📄 2022111103985
📂 G06F18_20
👤 浙江理工大学
📅 2022-09-13
本发明提供一种基于XGBoost算法的真空干泵在线实时剩余寿命预测方法,涉及真空干泵健康监测技术领域。其包含:S1、获取真空干泵的特征数据。S2、将特征数据输入预先训练的基于XGBoost算法的预测模型,获取预警级别。预测模型的训练包括:A1、获取多台宕机真空干泵的历史数据集,并提取每次宕机运行时段的数据,获取第一宕机时段数据集。A2、根据数据集中每个时刻距离宕机时刻的时长,设置预警级别标签。A3、根据第一宕机时段数据集和预警级别标签,获取皮尔逊相关系数值最大的多个状态信息。A4、提取多个状态信息的数据,获取第二宕机时段数据集。A5、根据第二宕机时段数据集,进行分割、降维处理,获取样本数据集。A6、根据样本数据集,构造预测模型。
📄 2023111167248
📂 G06F30_27
👤 华侨大学
📅 2023-09-01
本发明提供了一种基于小波解耦与因果卷积注意力的增量式航发寿命预测方法，包括：步骤1，获得原始时域振动信号：将原始时域振动信号作为输入；步骤2，划分训练集：将原始时域振动信号按比例分割为训练集和测试集；步骤3，进行多重串联幅相混合增强；步骤4，进行增量小波多尺度分解和特征提取；步骤5，进行因果卷积注意力引导的时频特征提取；步骤6，进行双域对比学习；步骤7，进行特征漂移感知的增量对比学习。本发明基通过漂移感知的信号解耦‑时频融合‑补偿学习协同架构，显著提升复杂工况下的预测鲁棒性。
📄 2025110660114
📂 G06F18_21
👤 南京信息工程大学
📅 2025-07-31
本发明提供了一种基于改进CSO‑LSTM网络的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据；(2)采用集合经验模态对电池数据进行预处理；(3)对预处理数据采用归一化方法进行处理，并划分训练集和测试集；(4)采用改进CSO选取LSTM最优超参数，建立基于改进LSTM的锂离子电池寿命预测模型；(5)将训练集输入到基于改进LSTM的锂离子电池寿命预测模型进行训练，得到基于改进CSO‑LSTM的锂离子电池寿命预测模型；(6)将测试集输入到训练好的锂离子电池寿命预测模型中，得到预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高了锂离子电池寿命预测精度，对于提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。
📄 2022104065921
📂 G01R31_392
👤 东北电力大学
📅 2022-04-18
本发明公开了一种基于混合滤波和状态监测的滚动轴承剩余寿命预测方法，首先获取滚动轴承运行过程中的水平振动信号；然后利用水平振动信号计算峭度和均方根RMS值，并分别将水平振动信号的峭度和RMS确定为状态监测指标和预测指标，接着采用卡尔曼滤波算法KF监测轴承的运行状态并确定故障起始点FST；当轴承进入退化状态后，采用粒子滤波PF和无迹卡尔曼滤波UKF相结合的混合滤波算法估计未来的均方根值；最后在得到的均方根估计值上建立滑动窗口和线性模型，以确定轴承的失效阈值，并判断均方根值超过失效阈值的时刻，得到剩余寿命预测结果。本发明通过监测滚动轴承的运行状态，确定故障起始点，得到了准确的剩余寿命预测结果。
📄 2022104661756
📂 G01M13_045
👤 西安理工大学
📅 2022-04-29
本发明公开了一种基于MAML元学习的滚动轴承剩余寿命预测方法,所述方法包括:采用PCA算法进行多特征融合构建出滚动轴承的健康因子FHI;构建MAML‑N‑Beats滚动轴承剩余寿命预测模型,模型的输入为构建的健康因子FHI;将预测模型的各训练集T的健康因子FHI划分为许多个任务,并将每个任务划分为支持集和查询集;将每个测试任务查询集输入到微调好的MAML‑N‑Beats模型中,经过计算输出后实现轴承剩余寿命预测。与传统的RUL预测方法相比,该方法提高了预测精度,同时还能进行短期数据的快速预测。
📄 2023105941941
📂 G06F30_27
👤 石家庄铁道大学
📅 2023-05-24
本发明公开一种用于PoP芯片加速寿命预测的试验方法，搭建试验平台，用应变片分别测量底层和顶层焊球的情况，针对可能出现的不同的加载模式，构建了四种典型的热循环应力和振动循环应力混合组合的加载模式，更全面真实反应实际的工况，提高了寿命预测的精确度；由动态信号测试仪记录两个电桥盒分别经过应变放大器后输出的两组电压值，将其中电压值较大的一组作为实验数据，根据实验数据分别计算得到应变，再将应变经雨流计数法计算出应变幅，然后根据公式计算出PoP芯片的预测寿命；比简单地将热循环和振动载荷损伤率相加更精确，无需长时间地测试焊球失效时间，更为高效快速。
📄 2015101436417
📂 G01N19_00
👤 常熟市知识产权运营中心有限公司
📅 2015-03-31
本发明公开了一种锂电池循环寿命预测方法，考虑了锂电池在充放电过程中的不同特性，首先，利用递归图作为时间序列成像方法，将不同周期的充电数据转换为多维数据，从放电数据中提取相关特征，并分析其与电池循环寿命的相关性；其次利用深度可分离三维卷积模型来减少参数计算并加快模型训练速度，同时引入3D通道注意力(3DCA)模块，以降低模型复杂度并增加各通道之间的交互性；最后进行消融实验，探讨不同时间序列成像方法对模型预测结果精度的影响。与现有技术相比，本发明能以更少的窗口周期准确预测循环寿命。同时消融实验结果证明，时间序列成像方法能够增加数据维度并提供更多信息，这有效地提高了模型的准确性。
📄 2023114057663
📂 G01R31_392
👤 淮阴工学院
📅 2023-10-26
本发明公开半导体照明领域中的一种基于BP神经网络的大功率LED寿命预测方法，设置N组恒定温度‑电流双应力组合，温度为Tn，电流为In，依次按照N组温度‑电流双应力组合进行加速寿命试验，每组加载P个小时，测量出每次加速寿命试验后的LED的光通量φn；将温度Tn、电流In以及测得光通量φn作为输入，将LED寿命作为输出，建立BP神经网络预测模型，并训练该模型；将LED实际的环境温度T、工作电流I以及光通量φ为0.7输入到训练好的BP神经网络模型，预测出LED寿命；本发明将LED所受到的共性应力即温度和电流作为神经网络的输入，考虑到了环境应力参数的不同、本身属性的不同，将环境应力关系和实际寿命相对应，能更加准确合理地对LED寿命进行预测。
📄 2020103958249
📂 G06N3_084
👤 江苏大学
📅 2020-05-12
本发明涉及一种数控机床刀具剩余寿命预测方法，属于CNC刀具寿命预测领域。针对CNC中刀具剩余寿命预测这一问题，利用状态监控、数据去噪、特征提取和最小支持二乘向量机的方法建立了刀具剩余寿命预测模型，并将该问题的预测对象细化为铣削工具这一CNC核心生产要素。首先，对监控的信号数据进行小波变换阈值去噪的数据预处理，接着提取数据的时域特征，利用PCA的T2统计量提取信号主要特征。其次，利用多核加权最小二乘支持向量机模型对实时监控数据进行剩余寿命预测，得到具体的剩余寿命值。最后使用工业大数据产业创新平台上的真实数据进行的验证，验证结果说明该方法能有效的进行寿命预测。
📄 2019106075926
📂 B23Q17_09
👤 重庆邮电大学
📅 2019-07-05
柿子坊 · 知识产权运营
柿子坊知识产权运营平台