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！

龙图腾网获悉北京工业大学申请的专利一种基于数字孪生字典的自适应稀疏图学习轴承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：CN114647904B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210174135.4，技术领域涉及：G06F30/17；该发明授权一种基于数字孪生字典的自适应稀疏图学习轴承寿命预测方法是由崔玲丽;王鑫设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种基于数字孪生字典的自适应稀疏图学习轴承寿命预测方法在说明书摘要公布了：本发明公开了一种基于数字孪生字典的自适应稀疏图学习轴承寿命预测方法，该方法建立了扩展指数模型及线性分段模型，生成涵盖多种退化行为的数字孪生字典，设计了新的图学习优化目标函数，引入稀疏正则化方法降低模型复杂度及参数敏感度，自适应获取数据的精确拓扑结构，基于构建的数字孪生字典及自适应稀疏图学习实现了剩余使用寿命的准确预测。

本发明授权一种基于数字孪生字典的自适应稀疏图学习轴承寿命预测方法在权利要求书中公布了：1.一种基于数字孪生字典的自适应稀疏图学习轴承寿命预测方法，其特征在于：该方法建立了扩展指数模型及线性分段模型，生成涵盖多种退化行为的数字孪生字典，设计了新的图学习优化目标函数，引入稀疏正则化方法降低模型复杂度及参数敏感度，自适应获取数据的精确拓扑结构，基于构建的数字孪生字典及自适应稀疏图学习实现了剩余使用寿命的准确预测； S1数字孪生字典构建； 基于采集的多组轴承加速度信号、振动信号、径向载荷信号，建立扩展指数函数模型及线性分段模型，表征滚动轴承的多种退化过程： 扩展指数模型： 其中，τ是时延系数，b是平移系数，a是指数模型的底数，M是计算点数，通过改变参数a,b,τ的具体数值，即可获得一系列的演变趋势线； 扩展线性分段模型： 其中，int表示取整数，p表示第一段线性模型的起始值，q表示两段线性模型的拐点值，c表示第二段线性模型的末尾值，τ是时延系数，通过改变参数a,b,c,τ的具体数值，即可获得一系列的演变趋势线； S2自适应稀疏图学习； 通过S1数字孪生的方式构建了数量庞大的训练样本，将训练样本与当前的测试样本共同组成拓扑图的N个节点；一个简单的无向、加权、连通图可以表示为矩阵表示图的N个节点，向量xi为节点值；邻接矩阵其中，wij表示连接节点i和j的边的权重，对一个图而言，最重要的即为确定其邻接关系： 考虑如下新构建的优化目标： 令Sij＝||xi-xj||2，将上述优化目标写成矩阵形式： 建立上述优化目标的稀疏正则化版本： 其中，α为正则系数； 对优化问题用拉格朗日乘子法进行求解： 其中，表示广义逆，初始给定任意β值，将计算获得的wi的对角阵形式diagwi作为下一次迭代的β，如此反复迭代，直到达到停止迭代条件，由此获得了数据的邻接矩阵w； 定义度矩阵其中，为节点i的度；定义图拉普拉斯矩阵显然该拉普拉斯矩阵为实对称矩阵，因此其有一组完全正交的特征矢量u＝{ui}，对应的特征值为e＝{λ1,λ2,…,λN} 对于图给定其已知节点和未知节点计算其拉普拉斯矩阵取矩阵中仅包含未知节点的行与列，构成子矩阵计算的特征值，取其最小值记为则对应特征值小于λmin的信号，由已知节点值来预测： 取拉普拉斯矩阵的特征矢量中，对应特征值小于λmin的部分，记为则图学习框架表示为： 其中，Y＝{yi},i∈[1,N]是寿命标签向量； 求解的最小方差解，得： 则未知节点的寿命标签估计为：

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。