買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉四川環(huán)龍技術(shù)織物有限公司申請(qǐng)的專利基于AI預(yù)測模型的智能工廠故障診斷方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120387002B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510873159.2，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)基于AI預(yù)測模型的智能工廠故障診斷方法及系統(tǒng)是由謝宗國;周駿;周興富;孫自強(qiáng);王敏;向龍;謝飛設(shè)計(jì)研發(fā)完成，并于2025-06-27向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于AI預(yù)測模型的智能工廠故障診斷方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種基于AI預(yù)測模型的智能工廠故障診斷方法及系統(tǒng)，首先獲取智能工廠目標(biāo)生產(chǎn)線的設(shè)備監(jiān)測數(shù)據(jù)流，包含多組帶時(shí)間戳標(biāo)識(shí)的狀態(tài)數(shù)據(jù)段，接著對(duì)設(shè)備監(jiān)測數(shù)據(jù)流進(jìn)行診斷特征構(gòu)建處理，生成狀態(tài)演變特征和組件關(guān)聯(lián)特征，然后將狀態(tài)演變特征和組件關(guān)聯(lián)特征輸入預(yù)訓(xùn)練的故障預(yù)測模型進(jìn)行故障預(yù)測，生成包含故障風(fēng)險(xiǎn)等級(jí)的診斷結(jié)果數(shù)據(jù)。根據(jù)診斷結(jié)果數(shù)據(jù)識(shí)別潛在故障類型及傳播特征信息，最后基于潛在故障類型及傳播特征信息生成包含故障定位標(biāo)識(shí)的維護(hù)指引數(shù)據(jù)，并傳輸至工廠運(yùn)維系統(tǒng)觸發(fā)故障干預(yù)操作，有效提升了智能工廠故障診斷的準(zhǔn)確性和維護(hù)效率。

本發(fā)明授權(quán)基于AI預(yù)測模型的智能工廠故障診斷方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于AI預(yù)測模型的智能工廠故障診斷方法，其特征在于，所述方法包括： 獲取智能工廠中目標(biāo)生產(chǎn)線的設(shè)備監(jiān)測數(shù)據(jù)流，所述設(shè)備監(jiān)測數(shù)據(jù)流包含連續(xù)采集的具有時(shí)間戳標(biāo)識(shí)的多組狀態(tài)數(shù)據(jù)段； 對(duì)所述設(shè)備監(jiān)測數(shù)據(jù)流進(jìn)行診斷特征構(gòu)建處理，生成反映設(shè)備運(yùn)行狀態(tài)的狀態(tài)演變特征和反映設(shè)備組件交互關(guān)系的組件關(guān)聯(lián)特征； 將所述狀態(tài)演變特征和所述組件關(guān)聯(lián)特征輸入預(yù)訓(xùn)練的故障預(yù)測模型進(jìn)行故障預(yù)測，生成包含故障風(fēng)險(xiǎn)等級(jí)的診斷結(jié)果數(shù)據(jù)； 根據(jù)所述診斷結(jié)果數(shù)據(jù)識(shí)別目標(biāo)生產(chǎn)線當(dāng)前存在的潛在故障類型及所述潛在故障類型在設(shè)備運(yùn)行過程中的傳播特征信息； 基于所述潛在故障類型及所述傳播特征信息生成包含故障定位標(biāo)識(shí)的維護(hù)指引數(shù)據(jù)，并將所述維護(hù)指引數(shù)據(jù)傳輸至工廠運(yùn)維系統(tǒng)以觸發(fā)故障干預(yù)操作； 所述根據(jù)所述診斷結(jié)果數(shù)據(jù)識(shí)別目標(biāo)生產(chǎn)線當(dāng)前存在的潛在故障類型及所述潛在故障類型在設(shè)備運(yùn)行過程中的傳播特征信息，包括： 解析所述診斷結(jié)果數(shù)據(jù)中的故障風(fēng)險(xiǎn)等級(jí)及對(duì)應(yīng)故障類型概率值，篩選概率值最高的前N個(gè)故障類型作為潛在故障類型； 提取每個(gè)潛在故障類型對(duì)應(yīng)的時(shí)序上下文特征和關(guān)聯(lián)上下文特征，分析故障類型與狀態(tài)演變特征、組件關(guān)聯(lián)特征的關(guān)聯(lián)關(guān)系，生成故障觸發(fā)因素標(biāo)識(shí)； 對(duì)所述設(shè)備監(jiān)測數(shù)據(jù)流中與潛在故障類型相關(guān)的狀態(tài)數(shù)據(jù)段進(jìn)行回溯分析處理，確定潛在故障類型首次出現(xiàn)的時(shí)間點(diǎn)和對(duì)應(yīng)的初始影響組件； 跟蹤所述初始影響組件在后續(xù)時(shí)間窗口內(nèi)的狀態(tài)演變特征變化，結(jié)合組件關(guān)聯(lián)特征中的交互強(qiáng)度參數(shù)和因果關(guān)系標(biāo)識(shí)，推導(dǎo)潛在故障類型在組件間的傳播順序和傳播速度，所述交互強(qiáng)度參數(shù)為每對(duì)關(guān)鍵組件時(shí)間序列的互相關(guān)系數(shù)，用于反映組件間協(xié)同變化程度； 整合所述故障觸發(fā)因素標(biāo)識(shí)、初始影響組件、傳播順序及傳播速度，生成反映故障在設(shè)備運(yùn)行過程中傳播特征的傳播特征信息； 所述將所述狀態(tài)演變特征和所述組件關(guān)聯(lián)特征輸入預(yù)訓(xùn)練的故障預(yù)測模型進(jìn)行故障預(yù)測，生成包含故障風(fēng)險(xiǎn)等級(jí)的診斷結(jié)果數(shù)據(jù)，包括： 將所述狀態(tài)演變特征和所述組件關(guān)聯(lián)特征輸入所述故障預(yù)測模型的特征融合層，結(jié)合特征權(quán)重系數(shù)進(jìn)行跨維度信息融合處理，生成融合特征向量； 通過所述故障預(yù)測模型的時(shí)序編碼器對(duì)所述融合特征向量進(jìn)行時(shí)間依賴性建模處理，提取反映故障發(fā)展過程的時(shí)序上下文特征； 利用所述故障預(yù)測模型的關(guān)聯(lián)解碼器對(duì)所述時(shí)序上下文特征進(jìn)行組件交互關(guān)系解析處理，生成反映故障傳播路徑的關(guān)聯(lián)上下文特征； 將所述時(shí)序上下文特征和所述關(guān)聯(lián)上下文特征輸入所述故障預(yù)測模型的風(fēng)險(xiǎn)評(píng)估層進(jìn)行綜合評(píng)估處理，生成包含各故障類型概率值的中間評(píng)估結(jié)果； 對(duì)所述中間評(píng)估結(jié)果進(jìn)行等級(jí)劃分處理，根據(jù)預(yù)設(shè)的概率閾值區(qū)間將各故障類型概率值映射至對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)，生成包含故障風(fēng)險(xiǎn)等級(jí)的診斷結(jié)果數(shù)據(jù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人四川環(huán)龍技術(shù)織物有限公司，其通訊地址為：611138 四川省成都市溫江區(qū)海峽科技產(chǎn)業(yè)開發(fā)園新華路西段519號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。