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！

龍圖騰網恭喜北京石油化工學院申請的專利一種基于動態參數學習的機電設備跨域剩余壽命預測方法及系統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：CN119622506B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202411670028.6，技術領域涉及：G06F18/2415；該發明授權一種基于動態參數學習的機電設備跨域剩余壽命預測方法及系統是由藍波;石衍達;朱亞東洋;張曉燕;張路綱設計研發完成，并于2024-11-21向國家知識產權局提交的專利申請。

本一種基于動態參數學習的機電設備跨域剩余壽命預測方法及系統在說明書摘要公布了：本發明公開了一種基于動態參數學習的機電設備跨域剩余壽命預測方法及系統，包括：獲取機電設備的源域數據和目標域數據，并對所述源域數據和所述目標域數據進行預處理；利用特征提取器先獨立在有標簽的源域數據上進行預訓練，使特征提取器對源域數據有特征提取能力；利用領域自適應方法訓練特征提取器，使特征提取器能夠從預處理后的所述源域數據和所述目標域數據中均能提取有效的高維度數據特征；在推理階段，僅應用特征提取器和分類器對機電設備的剩余壽命進行預測。本發明通過實時的剩余壽命預測，企業能夠提前制定預防性維護計劃，延長設備使用壽命，降低故障率和維護成本，提升整體運營效率和設備可靠性。

本發明授權一種基于動態參數學習的機電設備跨域剩余壽命預測方法及系統在權利要求書中公布了：1.一種基于動態參數學習的機電設備跨域剩余壽命預測方法，其特征在于，包括以下步驟：獲取機電設備的源域數據和目標域數據，并對所述源域數據和所述目標域數據進行預處理；利用特征提取器先獨立在有標簽的源域數據上進行預訓練，使特征提取器對源域數據有特征提取能力；利用領域自適應方法訓練特征提取器，使特征提取器能夠從預處理后的所述源域數據和所述目標域數據中均能提取有效的高維度數據特征；在推理階段，僅應用特征提取器和分類器對機電設備的剩余壽命進行預測；利用領域自適應方法訓練特征提取器，使特征提取器能夠從預處理后的所述源域數據和所述目標域數據中均能提取有效的高維度數據特征包括：采用對抗網絡結構，通過特征判別器判別高維度數據特征來源于源域還是目標域；通過分類器針對在源域上提取的高維度數據特征進行分類，由分類判別器判別分類結果的對錯；特征判別器通過動態參數學習機制，引入動態參數λ和影響因子κ，動態調整特征判別器與分類器之間的權重，使得特征提取器在源域和目標域都能夠提取到高維度數據特征；特征判別器通過動態參數學習機制，引入動態參數λ和影響因子κ，動態調整特征判別器與分類器之間的權重，使得特征提取器在源域和目標域都能夠提取到高維度數據特征包括：計算條件分布距離Dc；計算邊際分布距離Dm；基于條件分布距離Dc和邊際分布距離Dm，計算動態參數λ；計算影響因子κ；基于動態參數λ和影響因子κ，構建綜合損失函數；計算條件分布距離Dc包括： 式中，C表示類別總數，PsX∣Y＝c和PtX∣Y＝c分別表示源域和目標域在類別c下的條件分布，權重wc定義為：式中，Nc為類別c的樣本數量，Ntotal為所有類別的總樣本數量，X表示特征空間，Y表示標簽空間；計算邊際分布距離Dm包括： 式中：L表示層次數量，αl是各層的權重，通常通過經驗法則或自動學習確定，PsX和PtX分別表示源域和目標域的邊際分布；基于條件分布距離Dc和邊際分布距離Dm，計算動態參數λ包括： 式中，α和β為權重參數，用于控制早期和后期λ的調整比例，T為總訓練輪數，t為每一輪；計算影響因子κ包括： 式中，γ和δ為權重參數，用于控制早期和后期κ的調整比例；基于動態參數λ和影響因子κ，構建綜合損失函數包括：L＝LCls+1-κλ·LDism+λ·LDisc式中，LCls為分類損失，LDism為特征判別器針對邊際分布對齊損失，LDisc為特征判別器針對條件分布對齊損失。

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北京石油化工學院，其通訊地址為：102627 北京市大興區大興清源北路19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”。