買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請的專利基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119848633B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202510322385.1，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法是由裘辿;孫嘉誠;劉振宇;王棟;譚建榮設(shè)計(jì)研發(fā)完成，并于2025-03-19向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法在說明書摘要公布了：本申請公開了一種基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法，涉及裝備性能監(jiān)測技術(shù)領(lǐng)域，該方法中，基于數(shù)字孿生系統(tǒng)中的部件服役狀態(tài)辨識(shí)模型，根據(jù)關(guān)鍵部件的加工過程多源傳感數(shù)據(jù)，辨識(shí)得到關(guān)鍵部件的部件服役狀態(tài)，通過循環(huán)一致的生成、判別與分類過程平衡樣本不平衡下對部件服役狀態(tài)的辨識(shí)能力，克服了不同服役狀態(tài)的樣本數(shù)量不均衡、服役狀態(tài)辨識(shí)精度不足的問題；然后基于部件服役狀態(tài)下的部件性能退化監(jiān)測模型，根據(jù)關(guān)鍵部件的多源傳感數(shù)據(jù)，可充分捕捉多源傳感數(shù)據(jù)動(dòng)態(tài)變化的時(shí)空耦合特性，得到關(guān)鍵部件的部件性能指標(biāo)退化值，本申請將狀態(tài)辨識(shí)和退化監(jiān)測結(jié)合，得以全面反映復(fù)雜裝備關(guān)鍵部件性能退化進(jìn)程的深入研究。

本發(fā)明授權(quán)基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法在權(quán)利要求書中公布了：1.一種基于數(shù)字孿生時(shí)空并行學(xué)習(xí)的裝備部件性能退化監(jiān)測方法，其特征在于，包括：采集復(fù)雜裝備關(guān)鍵部件的加工過程多源傳感數(shù)據(jù)；所述加工過程多源傳感數(shù)據(jù)為所述關(guān)鍵部件在一次加工過程中的多源傳感數(shù)據(jù)；基于數(shù)字孿生系統(tǒng)中的部件服役狀態(tài)辨識(shí)模型，根據(jù)關(guān)鍵部件的所述加工過程多源傳感數(shù)據(jù)，辨識(shí)得到所述關(guān)鍵部件的部件服役狀態(tài)；所述部件服役狀態(tài)辨識(shí)模型為具有循環(huán)一致性的分類增強(qiáng)網(wǎng)絡(luò)，通過循環(huán)一致的生成、判別與分類過程平衡樣本不平衡下對部件服役狀態(tài)的辨識(shí)能力；所述數(shù)字孿生系統(tǒng)為與所述復(fù)雜裝備具有相同特征的虛擬實(shí)時(shí)仿真系統(tǒng)，用于實(shí)時(shí)監(jiān)測各部件的性能指標(biāo)；基于所述部件服役狀態(tài)下的部件性能退化監(jiān)測模型，根據(jù)關(guān)鍵部件的所述加工過程多源傳感數(shù)據(jù)，得到關(guān)鍵部件的部件性能指標(biāo)退化值，實(shí)現(xiàn)對復(fù)雜裝備關(guān)鍵部件的性能退化監(jiān)測；所述部件性能退化監(jiān)測模型包括時(shí)序特征建模支路和空間特征建模支路；所述空間特征建模支路用于根據(jù)所述加工過程多源傳感數(shù)據(jù)對應(yīng)的圖結(jié)構(gòu)化傳感數(shù)據(jù)提取潛在空間特征；所述時(shí)序特征建模支路用于對所述加工過程多源傳感數(shù)據(jù)提取長期時(shí)序特征，并將所述長期時(shí)序特征和所述潛在空間特征進(jìn)行融合后，得到關(guān)鍵部件的部件性能指標(biāo)退化值；在所述空間特征建模支路中，采用K近鄰法構(gòu)建每個(gè)加工過程多源傳感數(shù)據(jù)的圖結(jié)構(gòu)化傳感數(shù)據(jù)，然后通過三層圖卷積操作逐步提取多源傳感數(shù)據(jù)間的潛在空間特征，從而捕捉關(guān)鍵部件的性能退化過程的空間分布模式；結(jié)合雙向門控循環(huán)單元與全局注意力機(jī)制，在捕捉加工過程多源傳感數(shù)據(jù)中時(shí)間動(dòng)態(tài)變化規(guī)律的同時(shí)，調(diào)節(jié)不同潛在空間特征對預(yù)測任務(wù)的影響；所述時(shí)序特征建模支路采用編碼器-解碼器結(jié)構(gòu)來高效建模長時(shí)序數(shù)據(jù)的復(fù)雜模式，所述時(shí)序特征建模支路的編碼器由三層重復(fù)堆疊的模塊構(gòu)建，每層包含多頭概率稀疏自注意力機(jī)制以及用于降維的卷積層，能夠通過級聯(lián)特征圖捕捉加工過程多源傳感數(shù)據(jù)的長期依賴和局部特征，同時(shí)還降低了計(jì)算復(fù)雜度；所述時(shí)序特征建模支路的解碼器由兩層模塊構(gòu)成，通過多頭概率稀疏自注意力機(jī)制提取刀具磨損量的演變規(guī)律，利用交叉注意力機(jī)制構(gòu)建傳感數(shù)據(jù)與性能指標(biāo)之間的全局關(guān)聯(lián)，并融合多源傳感數(shù)據(jù)的長期依賴和局部特征。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。