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！

龙图腾网获悉电子科技大学中山学院申请的专利一种满足跨工况场景应用的剩余使用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：CN118171240B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202410441652.2，技术领域涉及：G06F18/27；该发明授权一种满足跨工况场景应用的剩余使用寿命预测方法是由吕燚;沈在臣;周柠旭;温振飞;肖旭设计研发完成，并于2024-04-12向国家知识产权局提交的专利申请。

本一种满足跨工况场景应用的剩余使用寿命预测方法在说明书摘要公布了：本发明公开了一种满足跨工况场景应用的剩余使用寿命预测方法，包括以下步骤：1.给定已有源域和目标域退化数据；2.对收集的数据进行数据归一化；3.提取源域和目标域的退化特征，并将其分离成私有特征和共同特征两个部分；4.从全局分布和局部分布两个角度对齐源域和目标域的共同特征；5.采用对比学习中的InfoNCE损失函数最大化输入数据与提取出的特征的互信息，确保提取出的特征具有代表性；6.回归预测，使用以上步骤训练好的模型对测试数据进行RUL预测，大大提高了预测的精度。

本发明授权一种满足跨工况场景应用的剩余使用寿命预测方法在权利要求书中公布了：1.一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于，包括以下步骤： 1.给定已有源域和目标域退化数据； 2.对收集的数据进行数据归一化； 3.提取源域和目标域的退化特征，并将其分离成私有特征和共同特征两个部分； 4.从全局分布和局部分布两个角度对齐源域和目标域的共同特征； 5.采用对比学习中的InfoNCE损失函数最大化输入数据与提取出的特征的互信息，确保提取出的特征具有代表性； 6.回归预测，使用以上步骤训练好的模型对测试数据进行RUL预测； 利用一种深度特征自适应模块，从边缘概率分布和条件概率分布两个角度自适应地对齐每个域对的全局和局部特征； 全局特征分布对齐：采用最大均值差异即MMD来实现全局特征分布对齐，MMD度量可以通过在映射到再生核希尔伯特空间即RKHS后减去特征的平均值来量化两个域分布的差异，MMD可表示为: 其中，K·,·表示核函数，选择高斯核函数 σ是核函数的宽度来计算MMDXs,Xt； 局部特征分布对齐：在全局特征分布差异缩小的同时，进一步计算条件分布差异，并通过最小化该差异达到对齐局部特征分布的目的，对于条件分布差异的具体实现，首先，源域退化数据样本根据RUL标签被分为10个子域，依次标记为1到10，局部特征可以解释为每个子域的特征，子域标签构造如下， 其中，ycls为分类标签，tr为剩余使用寿命，tu为已使用寿命，Tu是最大寿命周期，这种分类方法将健康状态的退化数据样本作为一类，将处于不同退化阶段的数据样本分为10类，退化程度逐渐加剧； 局部特征分布差异CMMD计算如下， 其中，C＝{c|0,1,2,...,ncls}表示退化特征的子域标签，和分别表示属于c子域的特征，和表示子域特征分布差异的条件权重，计算方式如下， 其中，和表示one-hot编码的子域标签，one-hot编码将子域标签转换成二进制的形式，升高了标签的维度； 自适应系数：由于边缘分布和条件分布差异对退化特征分布对齐的影响不同，并且随着模型的迭代训练，源特征与目标特征之间的分布差异也会发生变化，为了更好地调整两个分布距离的比例，有必要设计一个自适应系数来自适应地调整不同训练阶段的全局和局部特征差异的重要性，自适应系数δ的计算方法可表示为， 其中，LMMD表示全局特征对齐状态的度量，LCMMD表示局部特征对齐状态的度量，ε表示基于支持向量的二分类器在区分退化特征来自于源域还是目标域时的误差； 联立公式13和公式14，DDA的目标函数可表示如下， LDDA＝δLMMD+1-δLMMD15。

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电子科技大学中山学院，其通讯地址为：528402 广东省中山市石岐区学院路1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”。