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！

龍圖騰網獲悉哈爾濱工業大學申請的專利基于變分局部加權子域自適應網絡的剩余使用壽命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：CN115456272B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202211085781.X，技術領域涉及：G06F18/241；該發明授權基于變分局部加權子域自適應網絡的剩余使用壽命預測方法是由張九思;羅浩;李翔;王豪;吳詩夢;田紀倫;尹珅設計研發完成，并于2022-09-06向國家知識產權局提交的專利申請。

本基于變分局部加權子域自適應網絡的剩余使用壽命預測方法在說明書摘要公布了：基于變分局部加權子域自適應網絡的剩余使用壽命預測方法，本發明涉及剩余使用壽命預測方法。本發明的目的是為了解決遷移學習中全局域自適應方法中子域之間細粒度特征混淆所導致的剩余使用壽命預測準確率降低的問題。過程為：一、數據預處理，獲得訓練數據集和驗證數據集；二、搭建變分局部加權子域自適應網絡；三、基于訓練集訓練變分局部加權子域自適應網絡，得到訓練好的變分局部加權子域自適應網絡；四、在線預測目標域數據，對目標域數據進行步驟一的數據預處理，將預處理后的目標域數據輸入訓練好的變分局部加權子域自適應網絡，輸出剩余使用壽命。本發明用于人工智能技術與工業背景下的故障預測相結合的學科交叉領域。

本發明授權基于變分局部加權子域自適應網絡的剩余使用壽命預測方法在權利要求書中公布了：1.基于變分局部加權子域自適應網絡的剩余使用壽命預測方法，其特征在于：所述方法具體過程為： 步驟一、數據預處理，獲得訓練數據集和驗證數據集； 步驟二、搭建變分局部加權子域自適應網絡；具體過程為： 步驟二一、搭建變分自編碼器-長短時記憶子網絡； 步驟二二、基于變分自編碼器-長短時記憶子網絡，設計不同類別的軟標簽； 步驟二三、基于軟標簽搭建局部加權深度子域自適應子網絡； 步驟三、基于訓練集訓練變分局部加權子域自適應網絡，得到訓練好的變分局部加權子域自適應網絡； 步驟四、在線預測目標域數據，對目標域數據進行步驟一的數據預處理，將預處理后的目標域數據輸入訓練好的變分局部加權子域自適應網絡，輸出剩余使用壽命； 所述步驟二一中搭建變分自編碼器-長短時記憶子網絡；具體過程為： 變分自編碼器-長短時記憶子網絡包括編碼器層、重參數層和解碼器層； 輸入數據經長短時記憶子網絡LSTM的映射關系gLSTM、編碼器的全連接層映射關系fFCE、編碼器的全連接層參數ΞFCE和長短時記憶子網絡的網絡權重參數ΞLSTM，得到均值μ和標準差σ； 基于均值μ和標準差σ得到數據的潛在低維空間z； 基于數據的潛在低維空間z、解碼器的映射關系和解碼器全連接層的網絡權重參數，得到剩余使用壽命的預測值RULpi； 具體過程為： 1、輸入數據經長短時記憶子網絡LSTM的映射關系gLSTM、編碼器的全連接層映射關系fFCE、編碼器的全連接層參數ΞFCE和長短時記憶子網絡的網絡權重參數ΞLSTM，得到均值μ和標準差σ； 其中fFCE表示編碼器的全連接層映射關系，gLSTM表示長短時記憶子網絡LSTM網絡的映射關系，ΞFCE表示編碼器的全連接層參數，ΞLSTM表示長短時記憶子網絡的網絡權重參數；xi表示第i個輸入樣本數據；φ表示由輸入樣本數據xi生成潛在低維空間zi的模型參數； 2、基于均值μ和標準差σ得到數據的潛在低維空間zi； zi＝μxi；φ+σxi；φ×ε9 其中μxi；φ為表征分布的均值，σxi；φ為表征分布的標準差，ε為重參數采樣的常數量，zi為第i個輸入數據樣本的潛在低維空間； 3、基于數據的潛在低維空間zi、解碼器的映射關系和解碼器全連接層的網絡權重參數，得到剩余使用壽命的預測值RULpi； RULpi＝fFCDzi；ΞFCD10 其中fFCD表示解碼器的映射關系，ΞFCD表示解碼器全連接層的網絡權重參數，RULpi為剩余使用壽命的預測值。

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哈爾濱工業大學，其通訊地址為：150001 黑龍江省哈爾濱市南崗區西大直街92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”。