買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜上海交通大學申請的專利融合多任務學習的飛機發動機失效狀態預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114818475B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210334697.0，技術領域涉及：G06F30/27；該發明授權融合多任務學習的飛機發動機失效狀態預測方法是由王昱暉;王迪;張沛涵;許葳設計研發完成，并于2022-03-31向國家知識產權局提交的專利申請。

本融合多任務學習的飛機發動機失效狀態預測方法在說明書摘要公布了：本發明涉及一種融合多任務學習的飛機發動機失效狀態預測方法，包括：預先基于健康指數模型和失效模型構建多任務學習模型，通過獲取傳感器失效信號數據對該多任務學習模型進行參數估計，獲取待預測傳感器數據，并載入參數估計后的多任務學習模型，獲取失效狀態預測結果，相應地預測正在使用中發動機的剩余使用壽命；失效模型采用二次多項式失效模型描述失效狀態，健康指數模型通過設置權重系數將各個傳感器信號線性疊加描述健康狀態；根據健康狀態和失效狀態之間的關系，將健康模型和失效模型融合構成多任務學習模型。與現有技術相比，本發明充分考慮在同一運行狀態和環境下各飛機發動機之間的相似性，使得參數估計準確性更高。

本發明授權融合多任務學習的飛機發動機失效狀態預測方法在權利要求書中公布了：1.一種融合多任務學習的飛機發動機失效狀態預測方法，其特征在于，包括：預先基于健康指數模型和失效模型構建多任務學習模型，通過獲取傳感器失效信號數據對該多任務學習模型進行參數估計；獲取待預測傳感器數據，并載入參數估計后的多任務學習模型，獲取失效狀態預測結果；所述失效模型采用二次多項式失效模型描述失效狀態，所述健康指數模型通過設置權重系數將各個傳感器信號線性疊加描述健康狀態；根據健康狀態和失效狀態之間的關系，將所述健康指數模型和失效模型融合構成所述多任務學習模型；所述多任務學習模型的表達式為：hl＝xlw＝ΦlΓl+∈l式中，表示hlt的向量，表示xlt的矩陣，表示φt的矩陣，表示εlt的向量；hlt為飛機發動機l在時間t內的健康狀態，x1t＝[xl1t，...，xlmt]∈R1×m為在時間t內從飛機發動機l的m個傳感器中收集的傳感器信號向量，w∈Rmm×1為權重系數；φt＝[1，t，t2]∈R1×3是二次基函數在時間t上的向量，是模型參數的向量；εlt表示飛機發動機l在時間t內的噪聲；所述健康指數模型的表達式為：hlt＝xltw式中，hlt為飛機發動機l在時間t內的健康狀態，xlt＝[xl1t，...，xlmt]∈R1×m為在時間t內從飛機發動機l的m個傳感器中收集的傳感器信號向量，w∈Rm×1為權重系數；所述失效模型的表達式為：glt＝φtΓl式中，glt為飛機發動機l在時間t內的失效狀態，φt＝[1，t，t2]∈R1×3是二次基函數在時間t上的向量，是模型參數的向量；所述健康狀態和失效狀態之間的關系的表達式為：hlt＝glt+εlt式中，εlt表示飛機發動機l在時間t內的噪聲；所述模型參數Γl遵循多元正態分布，所述模型參數Γl的表達為：Γl～NμΓ，CΓ式中，μΓ和CΓ是多元正態分布的均值向量和協方差矩陣；所述噪聲項∈l服從正態分布N0，σ2，其中σ為方差；對多任務學習模型進行參數估計的過程具體包括以下步驟：S1：構建初始化參數Θ＝[μΓ，CΓ，σ2]和參數j，并設置j＝0；S2：根據健康指數模型的性質，通過二次優化估計權重系數w；S3：獲得基于完整數據的聯合分布的對數似然，然后在隱變量Γl的后驗分布函數上計算期望的對數后驗QΘ，Θj；S4：通過argmaxΘQΘ，Θj，將Θ更新為Θj+1；S5：檢查Θj+1和Θj是否滿足收斂條件，若滿足，則得到最終的參數估計結果，否則返回步驟S2；所述權重系數w采用二次規劃模型進行估計，所述權重系數w的二次規劃模型的表達式為： s.t-Nw＝1，-Mw≤0其中， 式中，l為飛機發動機序號，l＝1，...，L，L為飛機發動機的總數，r是通過k折交叉驗證確定的調整系數，N∈R1×m，N由1和-1組成，M＝diagN∈Rm×m和0∈Rm×1均表示全零向量，cl為權重矩陣，表示飛機發動機l在其故障時間τl的傳感器信號向量，其中I∈RL×L是單位矩陣，1∈RL×1是所有1的向量；得到權重系數wj后，采用EM算法更新失效模型中的參數Θ＝[μΓ，CΓ，σ2]；取作為觀測數據，Γl作為隱變量；在EM算法中，通過步驟S3計算完整數據的預期對數似然，并在步驟S4中更新參數；步驟S3中，期望的對數后驗QΘ，Θj的計算表達式為： 式中，是對數聯合分布對Θt的后驗分布的期望，lnPΘ是Θ的對數超先驗分布；步驟S4中，參數Θ通過argmaxΘQΘ，Θj更新，并得到參數Θ的具體更新表達式為： 式中，β為先驗分布的置信水平，l為飛機發動機序號，l＝1，...，L，L為飛機發動機的總數，μΓ服從多元正態分布其中，和分別是相應的均值向量和協方差矩陣；和是Γl|h1，Θj的后驗分布的估計期望和協方差，d為多元分布的維度，τ為自由度，為先驗分布的方差，nl為第l個訓練發動機的運行時間，xl為傳感器信號向量矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海交通大學，其通訊地址為：200240 上海市閔行區東川路800號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。