Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东方电气自动控制工程有限公司江思远获国家专利权

东方电气自动控制工程有限公司江思远获国家专利权

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!

龙图腾网获悉东方电气自动控制工程有限公司申请的专利融合层次化大模型架构与自适应强化学习的多模态工业运维系统及方法、应用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:CN120355134B

龙图腾网通过国家知识产权局官网在2025-10-31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:202510400387.8,技术领域涉及:G06Q10/0631;该发明授权融合层次化大模型架构与自适应强化学习的多模态工业运维系统及方法、应用是由江思远;邵勤丰;吴赛;梁霄;罗华林;温云皓设计研发完成,并于2025-04-01向国家知识产权局提交的专利申请。

融合层次化大模型架构与自适应强化学习的多模态工业运维系统及方法、应用在说明书摘要公布了:本发明公开了一种融合层次化大模型架构与自适应强化学习的多模态工业运维系统及方法、应用,涉及工业自动化、人工智能技术领域,系统包括专家层模块、系统层模块、总工层模块、自适应强化学习引擎和贝叶斯协同网络,专家层模块用于接收设备时序数据与本地知识手册词向量,生成初步运维决策;系统层模块接收至少两个专家层模块的决策输出和对应的系统级文档,执行多模态数据融合与冲突消解;总工层模块接收所有系统层模块的输出和全厂级文档,生成全局优化策略,该系统及方法突破了单层模型架构的局限性、多模态数据融合的障碍和动态资源分配的低效缺陷,提高了系统的智能化水平,优化了工业运维效率,可在水电站、热电站、智能制造产线中应用。

本发明授权融合层次化大模型架构与自适应强化学习的多模态工业运维系统及方法、应用在权利要求书中公布了:1.融合层次化大模型架构与自适应强化学习的多模态工业运维系统,其特征在于:包括专家层模块、系统层模块、总工层模块、自适应强化学习引擎和贝叶斯协同网络, 所述专家层模块为部署于工业现场控制设备的轻量化DeepSeek模型MI,用于接收设备时序数据与本地知识手册词向量,生成初步运维决策; 系统层模块为部署于工控机的中型DeepSeek模型Mm,接收至少两个专家层模块的决策输出和对应的系统级文档,执行多模态数据融合与冲突消解; 总工层模块为部署于厂级服务器的完整DeepSeek模型Mc,接收所有系统层模块的输出和全厂级文档,生成全局优化策略; 自适应强化学习引擎基于三维奖惩信号动态调整层级间API调用权重; 贝叶斯协同网络用于建模层级间状态转移概率; 多模态数据融合包括: a1.将设备知识手册文本通过BERT-Whitening算法转化为128维词向量; b1.对传感器时序数据执行小波降噪与LSTM特征提取; c1.通过预训练BERT-Emotion模型解析运维人员语音文本交互内容,输出情感值Feeling∈[-5,+5]; 所述自适应强化学习引擎包括: a2.奖惩融合网络:采用门控循环单元GRU,隐藏层维度d=64,激活函数为Sigmoid; b2.策略优化模块:系统层执行下述贝尔曼方程模型更新: ; 其中,At表示选择动作;QMm,At表示当前状态下模型Mm选择动作At的价值;η代表学习率;R'表示动态奖励;A'表示所有可能的动作;γ是代表折扣因子,用于平衡长短期利益;τ代表温度系数,用于平衡控制策略选择与探索; 三维奖惩信号为人工评分Rating、情感分析Feeling、模型间评分Model; 自适应强化学习引擎其权重更新满足下述关系式: , 其中,wi表示第i层模型在时间步t的权重,Rt表示当前时间步t的奖励;λ代表正则化系数,用于平衡策略探索与开发;K表示参与计算的权重维度,L2惩罚系数β=1e-4,用于防止权重过拟合。

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东方电气自动控制工程有限公司,其通讯地址为:618099 四川省德阳市嘉陵江西路138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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。