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！

龙图腾网获悉香港中文大学(深圳)申请的专利一种基于数字孪生的物流中转场小件分拣机智能维护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：CN120069852B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510536719.5，技术领域涉及：G06Q10/20；该发明授权一种基于数字孪生的物流中转场小件分拣机智能维护方法是由黄川;张崴;田源明设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本一种基于数字孪生的物流中转场小件分拣机智能维护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的物流中转场小件分拣机智能维护方法,包括以下步骤：S1.在交叉带分拣机关键位置部署多种传感器，实时进行采集，并传输到预处理模块进行预处理得到预处理后的数据向量，并在时间窗口内构建数据矩阵；S2.构建交叉带分拣机数字孪生模型；S3.基于历史数据，对交叉带分拣机累积健康指数、剩余寿命的计算，然后构建基于故障状态、累积健康指数和剩余寿命的训练集；S4.构建CNN模型进行故障状态、累积健康指数和剩余寿命预测，并对CNN模型进行优化设计，并计算预警指数指定维护策略。本发明在兼顾实时数据采集、数字孪生及深度学习智能维护的基础上，实现了物流中转场小件分拣机的动态健康监测、故障预测和维护预警。

本发明授权一种基于数字孪生的物流中转场小件分拣机智能维护方法在权利要求书中公布了：1.一种基于数字孪生的物流中转场小件分拣机智能维护方法，其特征在于：包括以下步骤： S1.在交叉带分拣机关键位置部署多种传感器，实时进行采集，并传输到预处理模块进行预处理得到预处理后的数据向量，并在时间窗口内构建数据矩阵； S2.构建交叉带分拣机数字孪生模型； S3.基于历史数据，对交叉带分拣机累积健康指数、剩余寿命的计算，然后构建基于故障状态、累积健康指数和剩余寿命的训练集； S4.构建CNN模型进行故障状态、累积健康指数和剩余寿命预测，并对CNN模型进行优化设计，并计算预警指数指定维护策略； 所述S4中构建CNN模型进行故障诊断、累积健康指数和剩余寿命预测： S401.输入数据张量构造：经过数据预处理模块，对实时收集的传感器数据进行归一化、去噪以及窗口化，形成了如下的数据矩阵： 将重构数据为三维张量格式，设定成“高度-宽度-通道”的形式，其中高度，所述m对应所部署的传感器数量，宽度，所述T对应时间步长，每个传感器数据单独构成一个通道，表示输入张量的通道数；最终输入张量记为； S402.对输入张量在时间轴上进行随机裁剪,并进行噪声注入模拟传感器误差，以及随机缩放输入张量扩大数据集，还能让模型更好地适应实际工作中的数据变异； S403.通过多层堆叠二维卷积层，模型逐步捕捉从局部到全局的特征；多层堆叠二维卷积层中，前一个二维卷积层的输出特征图作为后一个二维卷积层的输入特征图，第一个二维卷积层的输入特征图为输入张量；最后一个二维卷积层的输出特征图即多层堆叠二维卷积层的最终输出； 对于第层中，第个输出通道在位置的特征值定义如下： 其中，为第层第个卷积核权重，其中为卷积核在高度、宽度方向的索引，为输入通道的索引，为输出通道的索引，核大小为；输出通道表示卷积核产生的特征图的第个通道；为输入特征图第层第个通道在位置的值；为偏置值；为ReLU激活函数；输入张量的通道数为，输出张量通道数由设定的卷积核个数决定； 在每一层二维卷积层后添加池化层进行降采样再进行输出； S404.通过多层堆叠一维卷积层输入张量进行处理；第一个一维卷积层的输入特征图为输入张量，前一个一维卷积层的输出特征图作为后一个一维卷积层的输入特征图，最后一个一维卷积层的输出作为多层堆叠一维卷积层的最终输出； 所述多层堆叠一维卷积层与多层堆叠二维卷积层为并行的不同分支结构； 在每一层一维卷积层后添加池化层进行降采样再进行输出； S405.通过将不同分支结构的输出进行合并，即将多层堆叠二维卷积层和多层堆叠一维卷积层的输出进行拼接，得到拼接后的特征图，然后将特征图展平，通过全连接网络对提取的特征进行整合，最终输出故障状态、累积健康指数、以及剩余寿命预测,输出为一个多维向量: ； 分别表示故障状态、累积健康指数和剩余寿命的预测值。

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香港中文大学(深圳)，其通讯地址为：518172 广东省深圳市龙岗区龙城街道龙翔大道2001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”。