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！

龍圖騰網獲悉北京建筑大學申請的專利基于概率化深度神經網絡模型的機電設備性能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：CN115310703B 。

龍圖騰網通過國家知識產權局官網在2025-09-19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：202210955405.5，技術領域涉及：G06F18/20；該發明授權基于概率化深度神經網絡模型的機電設備性能預測方法是由王金海;林云蕾;楊建偉;姚德臣;趙悅;胡忠碩;張澤騰設計研發完成，并于2022-08-10向國家知識產權局提交的專利申請。

本基于概率化深度神經網絡模型的機電設備性能預測方法在說明書摘要公布了：本發明公開了一種基于概率化深度神經網絡模型的機電設備性能預測方法，包括：構建概率化深度神經網絡的預測模型；獲取機電設備的性能參數向量，通過所述性能參數向量訓練所述預測模型；基于訓練好的預測模型，對機電設備的性能數據和可靠度進行預測。本發明能夠同時預測機電裝備性能和可靠性的演化趨勢，彌補傳統方法在可靠性預測和風險控制上的不足，實現機電裝備健康狀態準確、快速的預測。

本發明授權基于概率化深度神經網絡模型的機電設備性能預測方法在權利要求書中公布了：1.一種基于概率化深度神經網絡模型的機電設備性能預測方法，其特征在于，包括以下步驟： 構建概率化深度神經網絡的預測模型； 獲取機電設備的性能參數向量，通過所述性能參數向量訓練所述預測模型； 基于訓練好的預測模型，對機電設備的性能數據和可靠度進行預測； 獲取機電設備的性能參數向量的過程包括： 機電設備的不同位置上安裝振動傳感器； 通過所述振動傳感器，得到機電設備的性能參數向量； 通過所述性能參數向量訓練所述預測模型的過程包括： 計算所述性能參數向量的特征向量； 基于所述振動傳感器監測的時間單元，對所述特征向量進行矩陣構建，得到特征矩陣； 將所述特征矩陣輸入至所述預測模型中，對所述預測模型進行訓練，直至輸出的誤差減小到期望值，得到訓練好的預測模型； 對機電設備的性能數據進行預測的過程包括： 將機電設備的性能數據輸入至訓練好的預測模型中，對機電設備的性能數據進行預測； 基于訓練好的預測模型輸出的預測值，計算機電設備的性能在概率1-α下的置信區間，通過所述置信區間，得到機電設備的性能預測結果； 對機電設備的可靠度進行預測的過程包括： 獲取機電設備的性能數據； 將所述性能數據輸入至訓練好的預測模型，對機電設備的可靠度進行預測，得到機電設備的性能失效閾值，所述性能失效閾值的置信區間概率邊界為機電裝備的可靠度。

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建筑大學，其通訊地址為：100044 北京市西城區展覽館路1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”。