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！

龍圖騰網獲悉相變能源科技(青島)有限公司申請的專利一種家電線束耐老化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：CN120449726B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510962442.2，技術領域涉及：G06F30/27；該發明授權一種家電線束耐老化預測方法是由陳鑫;張偉;展學霞;于志欣;石艷艷設計研發完成，并于2025-07-14向國家知識產權局提交的專利申請。

本一種家電線束耐老化預測方法在說明書摘要公布了：本發明提出一種家電線束耐老化預測方法，涉及數據預測領域，包括時序分解預處理模塊、圖連接強度張量映射模塊、時空引力提取模塊以及結構響應預測器模塊，首先，提取家電線束的多維度時序數據，并對其進行趨勢、季節性與殘差分解，為后續模塊提供精細化的輸入特征；接著，圖連接強度張量映射模塊通過構建變量間的高階結構響應張量，量化組件之間的耦合強度與相互影響，生成用于建圖的動態張量基礎；然后，結合結構曲率與圖連接強度，精準提取家電線束在不同使用條件下的時空變化特征，進一步增強預測模型對老化過程的感知能力；最后，通過動態微分建模，利用擾動響應與非線性調節因子，預測家電線束的未來老化趨勢并輸出最終結果。

本發明授權一種家電線束耐老化預測方法在權利要求書中公布了：1.一種家電線束耐老化預測方法，其特征在于，包括以下步驟： S1、收集家電線束的多源監測數據，包括電氣性能數據、溫度、濕度、機械應力特征，構建原始多維數據集； S2、提出時序分解預處理模塊，利用高階時間導數構建自適應擾動反饋機制，通過耦合交互矩陣動態建構多變量間的非線性協同關系，并對變量間的交互強度進行動態調整，最后引入擾動感知因子動態加權融合趨勢性結構與非線性信息，得到第一數據集，具體步驟為：自適應擾動反饋機制動態捕捉數據的局部擾動演化過程，數學模型為： ； 式中，為輸入狀態數據在時間維度的高階導數，為第階導數項對應的擾動響應權重，為局部自適應調整因子，為擾動非線性調整指數，為擾動建模中考慮的高階導數最大階次，然后通過耦合交互矩陣建模多變量數據中的跨變量的擾動依賴，對不同變量間的交互強度進行動態調整，數學模型為： ； 式中，為變量和在時刻的擾動耦合強度，為每一對變量的靜態耦合強度權重，為衰減因子，為歷史時間窗口長度，再將時序數據分解為趨勢部分、季節性部分和殘差部分，最后，引入擾動感知因子動態加權融合趨勢性結構與非線性擾動信息，完成數據重構，最終得到自適應融合重構輸出作為第一數據集； S3、設計圖連接強度張量映射模塊，基于結構軌跡變化構建高階微分張量表示機制，引入協變響應張量，然后將結構張量映射至圖結構空間得到連接強度矩陣，作為第二數據集，具體步驟為：對第一數據集中每一個線束通道變量，定義在時間點的結構軌跡張量，然后引入協變響應張量，度量任意兩個變量在結構演化過程中的耦合與差異程度，數學模型為： ； 式中，為各階導數對應的權重系數，為非線性響應控制因子，最后，將結構張量映射至圖結構空間，采用非線性收縮函數壓縮差異度構建連接強度矩陣，以協變響應張量為基礎，與穩定因子和全局結構分歧參考尺度構成的分母進行歸一化處理，隨后對歸一化后的結果施加冪次壓縮函數，最終整體結果由外部冪次函數進行非線性增強輸出連接強度矩陣，作為第二數據集； S4、構建時空引力提取模塊，結合連接強度矩陣與曲率響應張量定義結構張量引力場響應，最終得到綜合引力場強度作為第三數據集，所述第三數據集分為訓練集和預測集，具體步驟為：提出時空引力提取模塊，首先計算線束通道變量在時間序列空間中構建其結構狀態變化的曲率響應張量，數學模型為： ； 式中，為結構的曲率響應張量值，然后將連接強度矩陣與變量的曲率響應張量結合，進一步定義結構張量引力場響應，最后引入融合權重超參數、和將原始變量值、彎曲匯聚引力和曲率響應張量聯合，構建最終的引力流響應項，作為第三數據集，同時將第三數據集按照7：3劃分訓練集和預測集； S5、構建結構響應預測器模塊，利用綜合引力場強度計算家電線束的動態狀態變化率，構造自適應趨勢張量，提出結構激發函數并計算家電線束組件的老化動態變化率，最終得到耐老化預測模型，具體步驟為：利用綜合引力場強度計算家電線束在時間上的動態狀態變化率，接著構造自適應趨勢張量，用于表示第根線束在當前狀態下的老化趨勢引導方向，數學模型為： ； 式中，和為可調權重，提出結構激發函數，在家電線束快速老化階段獲得響應增強，數學模型為： ； 式中，為當前結構趨勢張量的強度，為激發靈敏度因子，同時結合結構激活函數和自適應趨勢張量的影響，利用自適應趨勢張量與引力場結構調和表征向量的內積計算家電線束組件的老化動態變化率，最終得到耐老化預測的數學模型： ； 式中，為預測步長，為第個組件在時刻的預測老化程度； S6、所述訓練集輸入預測模塊，通過定義結構預測誤差損失不斷優化，對家電線束耐老化預測模型進行訓練，具體步驟為：模型通過定義結構預測誤差損失進行訓練，數學模型為： ； 式中，為線束組件數量，為時序長度，為真實的測量值， 最終得到訓練好的模型； S7、所述預測集輸入訓練后的家電線束耐老化預測模型，最終輸出線束耐老化的預測值。

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相變能源科技(青島)有限公司，其通訊地址為：266000 山東省青島市高新技術產業開發區科海路299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”。