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！

龙图腾网获悉自然语义(青岛)科技有限公司申请的专利基于深度学习的工业设备故障预测与诊断系统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：CN120197063B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510677531.2，技术领域涉及：G06F18/2415；该发明授权基于深度学习的工业设备故障预测与诊断系统是由孙燕群设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本基于深度学习的工业设备故障预测与诊断系统在说明书摘要公布了：本发明涉及工业设备故障监测诊断技术领域，具体涉及基于深度学习的工业设备故障预测与诊断系统，包括动态数据对齐模块、多维特征融合模块、故障模式解耦模块以及可解释性诊断映射模块；其中：动态数据对齐模块：用于构建统一时间轴下的多维度设备状态数据流；多维特征融合模块：特征空间中进行正交分解，提取独立特征向量集合；故障模式解耦模块：构建故障模式空间投影模板；可解释性诊断映射模块进行约束匹配，生成可视化诊断报告。本发明，通过多源异构传感器数据的动态对齐与多维特征融合，结合故障模式解耦和可解释性诊断映射，从而在减少特征冗余与噪声干扰的同时实现准确的故障定位和剩余寿命预测。

本发明授权基于深度学习的工业设备故障预测与诊断系统在权利要求书中公布了：1.基于深度学习的工业设备故障预测与诊断系统，其特征在于，包括动态数据对齐模块、多维特征融合模块、故障模式解耦模块以及可解释性诊断映射模块；其中： 动态数据对齐模块：用于对工业设备的多源异构传感器数据进行时空约束对齐，构建统一时间轴下的多维度设备状态数据流； 多维特征融合模块：用于接收对齐后的多维度设备状态数据流，并在特征空间中进行正交分解，提取独立特征向量集合； 所述多维特征融合模块包括状态矩阵构建单元、特征相关性判别单元和正交特征提取单元；其中： 状态矩阵构建单元：用于接收动态数据对齐模块输出的统一时间轴设备状态数据流，并在每一时间片下将各传感器的空间状态对转化为行向量形式，按时间序列堆叠形成原始状态矩阵，状态矩阵的每一列对应一种状态参数，每一行为单一时间点的空间状态快照； 特征相关性判别单元：用于对原始状态矩阵中的各列状态参数进行相关性分析，通过基于时间与空间维度的联合统计指标，识别出存在多重共线性或冗余耦合的参数对，标记其潜在耦合结构； 特征相关性判别单元包括： 时间相关性识别子单元：用于对状态矩阵中任意两列状态参数向量在整个时间轴上的协同变化趋势进行皮尔逊相关系数计算，识别出存在强时间相关性的参数对，计算公式如下： ，其中，T为时间序列长度，和分别为和的均值，若大于阈值，则判定为时间共线性参数对； 空间协同变化识别子单元：用于在单一时间片t下，判断多个状态参数在空间上的协同变化关系，计算参数和在传感器位置集合上的空间结构相似度，根据各传感器的编号，构建以下点对协差模型： ，其中，n为传感器总数，和分别表示第个位置的状态值，若持续大于空间阈值，则标记为空间冗余对； 冗余耦合标记子单元：用于对通过时间相关性识别与空间协同变化识别所得的参数对进行交集筛选，提取在时间和空间维度上均表现出强耦合关系的状态参数对，并将其标记为冗余耦合结构，作为后续正交分解处理中的特征压缩对象； 正交特征提取单元：用于在特征相关性判别基础上，执行正交分解处理，重构无相关性干扰的独立特征向量集合，并在解耦过程中保留原始参数与所提取特征之间的物理意义映射关系，实现物理可解释性的结构还原； 所述正交特征提取单元包括： 协方差矩阵构建子单元：基于特征相关性判别后保留的状态参数集合构建协方差矩阵C，用于刻画各参数之间的线性关系结构； 特征正交化子单元：用于对协方差矩阵C进行特征值分解处理，提取其对应的特征向量集合，并将原始状态参数集合通过投影变换映射至正交特征空间； 物理映射保留子单元：用于记录每个正交特征向量在原始状态参数空间中的投影结构，通过计算特征贡献率并反向映射每个独立特征对应的主导物理参数，形成正交特征-原始参数映射对照表； 故障模式解耦模块：基于独立特征向量集合构建故障模式空间投影模板，输出包含故障类型编码与故障严重程度等级的解耦特征矩阵； 可解释性诊断映射模块：用于将解耦特征矩阵与设备物理参数库进行约束匹配，生成包含故障定位图谱和剩余寿命预测的可视化诊断报告。

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自然语义(青岛)科技有限公司，其通讯地址为：266000 山东省青岛市崂山区科苑纬一路1号国际创新园E座1501室；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”。

以上内容由龙图腾AI智能生成。