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！

龙图腾网恭喜大连理工大学申请的专利一种基于可持续存储池计算的轴承剩余有效寿命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：CN115270876B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210902620.9，技术领域涉及：G06F18/20；该发明授权一种基于可持续存储池计算的轴承剩余有效寿命预测方法是由孙希明;王天诚;刘华平;郭迪设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于可持续存储池计算的轴承剩余有效寿命预测方法在说明书摘要公布了：本发明提供一种基于可持续存储池计算的轴承剩余有效寿命预测方法，属于工程预测与健康管理系统领域，步骤：1针对原始数据集进行时频转换；2对原始数据和频域数据进行特征提取并初始化；3将特征提取后的数据和旧模型和存储的相关参数输入到新模型中并进行训练；4存储新模型和相关参数并进行预测与评估。本发明提供的轴承剩余有效寿命预测方法可缓解深度学习计算量过大、训练时间长、对计算设备要求高不适于应用和连续学习上的灾难性遗忘等问题。

本发明授权一种基于可持续存储池计算的轴承剩余有效寿命预测方法在权利要求书中公布了：1.一种基于可持续存储池计算的轴承剩余有效寿命预测方法，其特征在于，包括以下步骤：第一步，通过实验获取设备的全寿命周期数据，构建全寿命周期数据集，通过快速傅里叶变换将原时域信号转换为频域信号；第二步，分别对时域频域数据进行特征提取，对所有提取的特征采用absmax方法进行初始化处理，得到处理后的数据集；第三步，构建并训练新的可持续存储池计算模型；假设某一模型之前学习过的所有数据统标为A，新的需要学习数据标为B；根据学习过的数据A获得的旧模型、相关参数以及第二步处理后的新数据B，通过弹性权重限制的方法在一个深层存储池计算模型实现连续学习的步骤；所述的深层存储池计算模型包括一个深层存储池网络部分和多个包含dropout层的全连接层；一个深层存储池网络部分使用多个标准存储池层网络的堆栈，其中每一层的输出被用作下一层的输入；在每个时间步长，状态是沿着递归层的管道计算的，从直接由外部输入提供的第一条管道开始，一直到存储结构中的最后一条管道；第一层存储池由公式2给出，其他层存储池由公式3更新；其中，ut是时间步骤t的外部输入，而xit是时间步骤t时存储层i的状态，是第i层存储池的状态反馈权重，ai是第i层存储池的泄漏率，W1是输入和第1层存储池的连接权重，而Wii＞1是第i-1层存储池和第i层存储池的连接权重； 在每个时间步长t，网络的整体状态由所有层存储池的状态组成，即xt＝x1t，…，xNt；时间步骤t的输出yt按公式4计算，Wout是适应训练集的读出权重矩阵；yt＝Woutxt＝Woutx1t，…，xNt3在深层存储池层之后加入全连接层，最后采用单节点全连接层来预测剩余有效寿命；在每个全连接层之后都加入dropout层，提高模型的稳定性，减少模型训练时间；采用弹性权重限制的方法更新函数，进而达到可持续学习的目的；可持续存储池计算模型更新的损失函数如下： 其中，λ是旧数据重要性参数，默认为0.9；LB为不使用可持续更新规则的损失函数，默认为均方根误差；Wout，i为当前深层存储池网络适应训练集的读出权重矩阵的参数，为基于前序数据A所训练得到的模型深层存储池网络适应训练集的读出权重矩阵的参数；θfc，i为当前全连接层的参数，为基于前序数据A所训练得到的模型全连接层的参数；Fi是费舍尔信息矩阵；如果学习过的数据为空集，则所有带有角标A的参数均为0；第四步，储存训练后获得的新模型，储存新模型的所有参数矩阵；使用新模型进行剩余有效寿命预测且进行评估。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。