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)獲悉四川職業(yè)技術(shù)學(xué)院申請(qǐng)的專利一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與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：CN120223515B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23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：202510677922.4，技術(shù)領(lǐng)域涉及：H04L41/0631；該發(fā)明授權(quán)一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與故障診斷方法及系統(tǒng)是由陳垚至設(shè)計(jì)研發(fā)完成，并于2025-05-26向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與故障診斷方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與故障診斷方法及系統(tǒng)，屬于遠(yuǎn)程管控領(lǐng)域，所述方法包括：在設(shè)備周邊布置傳感器，采集環(huán)境數(shù)據(jù)，采集設(shè)備的設(shè)備日志數(shù)據(jù)以及用戶行為數(shù)據(jù)，將采集到的數(shù)據(jù)傳輸?shù)皆O(shè)備的物聯(lián)網(wǎng)框架邊緣網(wǎng)關(guān)中進(jìn)行處理；將計(jì)算得到的統(tǒng)一特征向量發(fā)送到云端，同時(shí)在邊緣網(wǎng)關(guān)中根據(jù)統(tǒng)一特征向量構(gòu)建實(shí)時(shí)監(jiān)控架構(gòu)；實(shí)時(shí)監(jiān)控架構(gòu)捕捉到健康度跳變后邊緣網(wǎng)關(guān)根據(jù)停機(jī)預(yù)警規(guī)則發(fā)出本地預(yù)警信號(hào)，并將數(shù)據(jù)一并上傳到云端；云端對(duì)故障進(jìn)行分析，并通過策略生成模型生成修復(fù)策略；云端將策略生成模型生成的修復(fù)策略下發(fā)。本發(fā)明根據(jù)特征向量與歷史健康度序列對(duì)故障進(jìn)行分析歸因，提高了數(shù)據(jù)預(yù)處理的能力。

本發(fā)明授權(quán)一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與故障診斷方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種物聯(lián)網(wǎng)設(shè)備的遠(yuǎn)程管控與故障診斷方法，其特征在于，所述遠(yuǎn)程管控與故障診斷方法包括， S1、在設(shè)備周邊布置傳感器，采集設(shè)備周邊的環(huán)境數(shù)據(jù)，采集設(shè)備的設(shè)備日志數(shù)據(jù)以及用戶行為數(shù)據(jù)， 將采集到的數(shù)據(jù)傳輸?shù)皆O(shè)備的物聯(lián)網(wǎng)框架邊緣網(wǎng)關(guān)中，對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理與張量化處理； S2、將計(jì)算得到的統(tǒng)一特征向量發(fā)送到云端，同時(shí)在邊緣網(wǎng)關(guān)中根據(jù)統(tǒng)一特征向量構(gòu)建實(shí)時(shí)監(jiān)控架構(gòu)； S3、實(shí)時(shí)監(jiān)控架構(gòu)捕捉到用戶操作或環(huán)境變化引起健康度跳變后邊緣網(wǎng)關(guān)根據(jù)停機(jī)預(yù)警規(guī)則發(fā)出本地預(yù)警信號(hào)，并將觸發(fā)預(yù)警時(shí)刻的統(tǒng)一特征向量與歷史健康度序列一并上傳到云端； S4、云端根據(jù)接收到的統(tǒng)一特征向量與歷史健康度序列對(duì)故障進(jìn)行分析歸因，并根據(jù)構(gòu)建得到的策略生成模型生成修復(fù)策略； S5、云端根據(jù)分析的結(jié)果對(duì)故障進(jìn)行歸納構(gòu)建故障數(shù)據(jù)庫，并將策略生成模型生成的修復(fù)策略下發(fā)，通知操作人員準(zhǔn)備執(zhí)行修復(fù)操作所需的資源和工具，完成檢修后將修復(fù)操作總結(jié)報(bào)告上傳到云端存儲(chǔ)到故障數(shù)據(jù)庫中； 所述S1包括： S1.1、將采集到的環(huán)境數(shù)據(jù)、設(shè)備日志數(shù)據(jù)以及用戶行為數(shù)據(jù)，進(jìn)行矩陣化， 其中，設(shè)備日志矩陣L，L∈RT×D，R為實(shí)數(shù)域，T為時(shí)間點(diǎn)，D為日志條目； 環(huán)境數(shù)據(jù)矩陣E，E∈RT×S×P，S為傳感器類型，P為傳感器的空間位置； 將用戶行為數(shù)據(jù)統(tǒng)合為離散的用戶行為序列U，U={u1，u2，...，uk}，每個(gè)事件uk中包含操作類型和時(shí)間戳，k為事件的數(shù)量； S1.2、使用Tucker分解法分解設(shè)備日志矩陣、環(huán)境數(shù)據(jù)矩陣以及用戶行為序列，提取潛在特征，并保留時(shí)間維度的一致性，構(gòu)建統(tǒng)一特征空間， 然后進(jìn)行時(shí)間維度對(duì)齊，強(qiáng)制共享時(shí)間因子矩陣，確保所有數(shù)據(jù)在時(shí)間軸上同步得到，如下式所示： ， 其中，Utime為時(shí)間因子矩陣，表示尋找使得目標(biāo)函數(shù)取最小值的參數(shù)，L為設(shè)備日志矩陣，Glog為設(shè)備日志矩陣的核心張量，U為用戶行為序列，Ufeature為特征因子矩陣，為傳感器類型因子矩陣，為空間位置因子矩陣，為環(huán)境數(shù)據(jù)矩陣的核心張量，×n為張量的n模乘積； S1.3將各數(shù)據(jù)源的核心張量投影到統(tǒng)一空間從而構(gòu)建聯(lián)合特征空間， 如下式所示： ， 其中，F(xiàn)為統(tǒng)一特征向量；α，β，γ為權(quán)重系數(shù)；為設(shè)備日志矩陣核心張量的線性變換函數(shù)；為環(huán)境數(shù)據(jù)矩陣核心張量的線性變換函數(shù)；為轉(zhuǎn)移概率矩陣的線性變換函數(shù)； 所述構(gòu)建實(shí)時(shí)監(jiān)控架構(gòu)包括： 結(jié)合用戶操作和環(huán)境因素來構(gòu)建每個(gè)設(shè)備的健康度函數(shù)Ht，通過健康度函數(shù)Ht進(jìn)行實(shí)時(shí)健康度計(jì)算， 捕捉用戶操作或環(huán)境變化引起的健康度跳變，并對(duì)數(shù)據(jù)進(jìn)行監(jiān)控分析并提供本地預(yù)警； 所述實(shí)時(shí)監(jiān)控架構(gòu)通過隨機(jī)微分方程來描述設(shè)備健康度的連續(xù)演化，隨機(jī)微分方程如下式所示： ， 其中，為漂移函數(shù)，為設(shè)備健康度，在區(qū)間[0，1]之間，當(dāng)Ht=0時(shí)表示設(shè)備完全故障，當(dāng)Ht=1時(shí)表示設(shè)備處于最佳狀態(tài)；為微分符號(hào)，表示一個(gè)變量的微小變化或增量，為設(shè)備健康度在時(shí)間t上的微小變化量，為時(shí)間t的一個(gè)微小增量，為隨機(jī)外部沖擊在時(shí)間t的隨機(jī)變化量； 為統(tǒng)一特征向量函數(shù)，為用戶操作輸入，為擴(kuò)散項(xiàng)表示隨機(jī)擴(kuò)散的影響，為隨機(jī)擴(kuò)散系數(shù)，為隨機(jī)外部沖擊； 所述S4包括： S4.1、根據(jù)歷史健康度序列計(jì)算健康度下降梯度，當(dāng)檢測(cè)到下降速度超過閾值時(shí)，判定為急速劣化，觸發(fā)診斷分析； 所述健康度下降梯度通過下式計(jì)算得到： ， 其中，為拉普拉斯算子，為健康度下降梯度，為設(shè)備健康度，為時(shí)間間隔，為經(jīng)過時(shí)間間隔后的設(shè)備健康度； S4.2、將統(tǒng)一特征向量的物理量作為設(shè)備參數(shù)節(jié)點(diǎn)，S1.1中的環(huán)境數(shù)據(jù)矩陣的核心張量作為環(huán)境節(jié)點(diǎn)，用戶行為序列中的高頻操作作為操作節(jié)點(diǎn)，將工業(yè)知識(shí)嵌入構(gòu)建得到因果圖譜，并篩選出候選根因變量； S4.3、對(duì)每個(gè)候選根因變量Xi，結(jié)合隨機(jī)微分方程的參數(shù)進(jìn)行反推，計(jì)算干預(yù)后的健康度期望變化， 通過下式來衡量候選根因變量Xi對(duì)系統(tǒng)健康度的影響： ， 其中，為對(duì)Xi進(jìn)行干預(yù)之后，系統(tǒng)健康度的預(yù)期變化，H為表示系統(tǒng)健康度，E為期望值，為外部干預(yù)操作符，代表Xi應(yīng)該處于的正常值；代表Xi當(dāng)前實(shí)際的取值。

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)人四川職業(yè)技術(shù)學(xué)院，其通訊地址為：629000 四川省遂寧市船山區(qū)學(xué)府北路1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)”。