买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜上海交通大学申请的专利融合多任务学习的飞机发动机失效状态预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114818475B 。

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210334697.0，技术领域涉及：G06F30/27；该发明授权融合多任务学习的飞机发动机失效状态预测方法是由王昱晖;王迪;张沛涵;许葳设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本融合多任务学习的飞机发动机失效状态预测方法在说明书摘要公布了：本发明涉及一种融合多任务学习的飞机发动机失效状态预测方法，包括：预先基于健康指数模型和失效模型构建多任务学习模型，通过获取传感器失效信号数据对该多任务学习模型进行参数估计，获取待预测传感器数据，并载入参数估计后的多任务学习模型，获取失效状态预测结果，相应地预测正在使用中发动机的剩余使用寿命；失效模型采用二次多项式失效模型描述失效状态，健康指数模型通过设置权重系数将各个传感器信号线性叠加描述健康状态；根据健康状态和失效状态之间的关系，将健康模型和失效模型融合构成多任务学习模型。与现有技术相比，本发明充分考虑在同一运行状态和环境下各飞机发动机之间的相似性，使得参数估计准确性更高。

本发明授权融合多任务学习的飞机发动机失效状态预测方法在权利要求书中公布了：1.一种融合多任务学习的飞机发动机失效状态预测方法，其特征在于，包括：预先基于健康指数模型和失效模型构建多任务学习模型，通过获取传感器失效信号数据对该多任务学习模型进行参数估计；获取待预测传感器数据，并载入参数估计后的多任务学习模型，获取失效状态预测结果；所述失效模型采用二次多项式失效模型描述失效状态，所述健康指数模型通过设置权重系数将各个传感器信号线性叠加描述健康状态；根据健康状态和失效状态之间的关系，将所述健康指数模型和失效模型融合构成所述多任务学习模型；所述多任务学习模型的表达式为：hl＝xlw＝ΦlΓl+∈l式中，表示hlt的向量，表示xlt的矩阵，表示φt的矩阵，表示εlt的向量；hlt为飞机发动机l在时间t内的健康状态，x1t＝[xl1t，...，xlmt]∈R1×m为在时间t内从飞机发动机l的m个传感器中收集的传感器信号向量，w∈Rmm×1为权重系数；φt＝[1，t，t2]∈R1×3是二次基函数在时间t上的向量，是模型参数的向量；εlt表示飞机发动机l在时间t内的噪声；所述健康指数模型的表达式为：hlt＝xltw式中，hlt为飞机发动机l在时间t内的健康状态，xlt＝[xl1t，...，xlmt]∈R1×m为在时间t内从飞机发动机l的m个传感器中收集的传感器信号向量，w∈Rm×1为权重系数；所述失效模型的表达式为：glt＝φtΓl式中，glt为飞机发动机l在时间t内的失效状态，φt＝[1，t，t2]∈R1×3是二次基函数在时间t上的向量，是模型参数的向量；所述健康状态和失效状态之间的关系的表达式为：hlt＝glt+εlt式中，εlt表示飞机发动机l在时间t内的噪声；所述模型参数Γl遵循多元正态分布，所述模型参数Γl的表达为：Γl～NμΓ，CΓ式中，μΓ和CΓ是多元正态分布的均值向量和协方差矩阵；所述噪声项∈l服从正态分布N0，σ2，其中σ为方差；对多任务学习模型进行参数估计的过程具体包括以下步骤：S1：构建初始化参数Θ＝[μΓ，CΓ，σ2]和参数j，并设置j＝0；S2：根据健康指数模型的性质，通过二次优化估计权重系数w；S3：获得基于完整数据的联合分布的对数似然，然后在隐变量Γl的后验分布函数上计算期望的对数后验QΘ，Θj；S4：通过argmaxΘQΘ，Θj，将Θ更新为Θj+1；S5：检查Θj+1和Θj是否满足收敛条件，若满足，则得到最终的参数估计结果，否则返回步骤S2；所述权重系数w采用二次规划模型进行估计，所述权重系数w的二次规划模型的表达式为： s.t-Nw＝1，-Mw≤0其中， 式中，l为飞机发动机序号，l＝1，...，L，L为飞机发动机的总数，r是通过k折交叉验证确定的调整系数，N∈R1×m，N由1和-1组成，M＝diagN∈Rm×m和0∈Rm×1均表示全零向量，cl为权重矩阵，表示飞机发动机l在其故障时间τl的传感器信号向量，其中I∈RL×L是单位矩阵，1∈RL×1是所有1的向量；得到权重系数wj后，采用EM算法更新失效模型中的参数Θ＝[μΓ，CΓ，σ2]；取作为观测数据，Γl作为隐变量；在EM算法中，通过步骤S3计算完整数据的预期对数似然，并在步骤S4中更新参数；步骤S3中，期望的对数后验QΘ，Θj的计算表达式为： 式中，是对数联合分布对Θt的后验分布的期望，lnPΘ是Θ的对数超先验分布；步骤S4中，参数Θ通过argmaxΘQΘ，Θj更新，并得到参数Θ的具体更新表达式为： 式中，β为先验分布的置信水平，l为飞机发动机序号，l＝1，...，L，L为飞机发动机的总数，μΓ服从多元正态分布其中，和分别是相应的均值向量和协方差矩阵；和是Γl|h1，Θj的后验分布的估计期望和协方差，d为多元分布的维度，τ为自由度，为先验分布的方差，nl为第l个训练发动机的运行时间，xl为传感器信号向量矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。