一种基于注意力机制的LSTM机器剩余使用寿命预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于注意力机制的LSTM机器剩余使用寿命预测方法,属于机械设备故障预测技术领域,包括:利用传感器采集设备从开始运行到最后失效的全寿命数据作为训练集,采集设备实时运行数据作为测试集,然后对训练集和测试集数据进行预处理;构建端到端的深度学习剩余寿命预测模型;将训练集数据输入到深度学习预测模型中对深度学习预测模型进行训练,通过评价函数来验证有效性,得到训练好的深度学习预测模型;将测试集数据输入到训练好的深度学习预测模型中,得到实时运行设备的剩余使用寿命,通过评价函数确定模型效果。本发明采用上述的一种基于注意力机制的LSTM机器剩余使用寿命预测方法,可以实现设备剩余使用寿命预测。
《一种基于注意力机制的LSTM机器剩余使用寿命预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 202410491106X,当前法律状态为已下证,由安徽大学提出申请,发明人为贺长波;陈龙威;马盼盼;付曾扬;程翔;孟奇,申请日期为2024-04-23,公开(公告)日期为2024-07-16,国际专利分类号(IPC)为 G06F 18/241 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于注意力机制的LSTM机器剩余使用寿命预测方法,属于机械设备故障预测技术领域,包括:利用传感器采集设备从开始运行到最后失效的全寿命数据作为训练集,采集设备实时运行数据作为测试集,然后对训练集和测试集数据进行预处理;构建端到端的深度学习剩余寿命预测模型;将训练集数据输入到深度学习预测模型中对深度学习预测模型进行训练,通过评价函数来验证有效性,得到训练好的深度学习预测模型;将测试集数据输入到训练好的深度学习预测模型中,得到实时运行设备的剩余使用寿命,通过评价函数确定模型效果。本发明采用上述的一种基于注意力机制的LSTM机器剩余使用寿命预测方法,可以实现设备剩余使用寿命预测。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
