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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉沈陽工業(yè)大學;中國航發(fā)燃氣輪機有限公司申請的專利一種基于變池化-多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119598287B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26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)?專利號為：202411645094.8，技術領域涉及：G06F18/241；該發(fā)明授權(quán)一種基于變池化-多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法是由于洋;張悅;賁云鵬設計研發(fā)完成，并于2024-11-18向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于變池化-多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法在說明書摘要公布了：本發(fā)明提供一種基于變池化?多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法，涉及軸承預測的技術領域，將VPMCNN和Transformer結(jié)合起來，既保留了VPMCNN中對全局和細節(jié)特征的捕捉能力，同時Transformer通過自注意力機制學習到豐富的輸入信號前后序列的表示，能更好的通過輸入的滾動軸承聲發(fā)射信號預測軸承的剩余壽命；解決了Transformer無法捕捉細節(jié)特征的劣勢，同時Transformer模型中的自注意力機制能夠捕獲輸入信號中的長距離依賴關系，有效克服了預測序列的記憶力退化問題。為降低模型對于正確標簽的過度自信，避免過擬合，并提高模型的泛化能力，同時，在給訓練數(shù)據(jù)集打標簽時嵌入Lable?Smoothing正則化技術，進行標簽的平滑處理，在訓練時將"硬"標簽變?yōu)?軟"標簽。

本發(fā)明授權(quán)一種基于變池化-多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法在權(quán)利要求書中公布了：1.一種基于變池化-多尺度卷積神經(jīng)網(wǎng)絡與Transformer結(jié)合的軸承壽命預測方法，其特征在于，該方法包括如下步驟： S10.對原始軸承聲發(fā)射信號x*＝{x1,x2,...,xn}進行采集； 其中x*表示歸一化之后的數(shù)據(jù)； S20.對原始軸承聲發(fā)射信號進行數(shù)據(jù)增強，擴充數(shù)據(jù)樣本，并分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集； 所述步驟S20中，在模型訓練階段應用Lable-smoothing正則化技術，給真實的壽命標簽添加一個“噪聲”；即從軸承標簽為1的數(shù)據(jù)中中拿出一小部分ε＝0.1，然后分給標簽為0的類別，減少數(shù)據(jù)的過擬合； S30.建立依次設置有卷積層、變池化層、多尺度層、Transformer模型相結(jié)合的神經(jīng)網(wǎng)絡，通過全連接層、Softmax函數(shù)輸出一維序列的預測結(jié)果； 在步驟S30中的多尺度層中，在卷積核5×1之前加入了卷積核1×1，并設置3×1最大池化，對數(shù)據(jù)進行特征提取； 變池化層通過對池化層的通道域特征賦予不同的權(quán)重系數(shù)來改變軸承信號特征的比重；變池化層計算池化層通道的權(quán)重系數(shù)，然后將權(quán)重系數(shù)與池化層通道的特征相結(jié)合；通過對池化層通道賦予權(quán)重系數(shù)能夠增強對預測作用大的特征信息，弱化對預測作用小的特征信息； 在進行預測階段時，測試數(shù)據(jù)集導入訓練好的變池化-多尺度卷積神經(jīng)網(wǎng)絡，利用預測剩余使用壽命曲線和真實軸承壽命曲線作比較； 真實軸承壽命曲線用軸承的可靠性來體現(xiàn)，再將可靠性因子作為剩余使用壽命曲線來構(gòu)建；可靠性因子公式表示如下： 其中，Ri為第i個采樣點的可靠性因子，Ti為第i個采樣點時軸承的運行時間，T1為初始故障點處軸承的運行時間，Te為軸承總運行時間； S40.將變池化-多尺度卷積神經(jīng)網(wǎng)絡中的多尺度層輸出的特征輸入至Transformer模型中；經(jīng)過編碼和解碼后，選擇均方誤差作為損失函數(shù)；經(jīng)過全連接層和softmax預測輸出，輸出預測值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人沈陽工業(yè)大學;中國航發(fā)燃氣輪機有限公司，其通訊地址為：110870 遼寧省沈陽市鐵西區(qū)經(jīng)濟技術開發(fā)區(qū)沈遼西路111號；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)”。