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！

龙图腾网获悉广州汇通国信科技有限公司申请的专利一种基于工业中台与边缘计算的设备监控预测方法及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：CN119758923B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411939612.7，技术领域涉及：G05B19/418；该发明授权一种基于工业中台与边缘计算的设备监控预测方法及系统是由李保平;谢超;王建军;陈木辉;倪彬洋;刘明桃设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于工业中台与边缘计算的设备监控预测方法及系统在说明书摘要公布了：本发明公开了一种基于工业中台与边缘计算的设备监控预测方法及系统，该系统采用监测采集单元实时采集设备的振动、温度和电流数据，通过创新的三层预测架构进行分析：边缘层部署轻量级阈值规则模型进行实时异常检测，中台层部署XGBoost模型执行趋势分析，云端层部署时间卷积网络模型实现深度时序分析，并建立相应的分级预警机制。本发明解决了传统设备监控中预警机制不够智能、预测模型单一、数据预处理不够完善等技术问题。通过三层预测架构的协同配合，实现了全方位监控，降低了系统响应延迟，提高了预警准确性；通过分级预警机制与参数关联分析的结合，增强了系统可靠性，提升了设备运维效率；采用边缘计算方式，有效降低了网络带宽需求。

本发明授权一种基于工业中台与边缘计算的设备监控预测方法及系统在权利要求书中公布了：1.一种基于工业中台与边缘计算的设备监控预测方法，其特征在于，包括以下步骤： S1.采集包括振动数据、温度数据和电流数据在内的运行数据，根据设备运行特性设定采样时序，按照预设的采样频率进行数据采集并在边缘控制器中进行初步存储； S2.将所述运行数据进行预处理后分发至三层预测模型，所述预处理包括对所述运行数据进行数据清洗、数据修复和异常处理，所述三层预测模型包括边缘层部署的轻量级阈值规则模型、中台层部署的XGBoost模型和云端层部署的时间卷积网络模型；其中，所述中台层为工业中台； S3.利用所述三层预测模型进行设备状态分析与预测，其中，所述边缘层的轻量级阈值规则模型基于所述运行数据和参数基准区间进行异常检测，所述中台层的XGBoost模型对所述运行数据进行特征分析与趋势预测，并基于所述参数基准区间进行异常判断，所述云端层的时间卷积网络模型对所述运行数据进行深度时序分析与长期预测，并基于所述参数基准区间进行风险评估； 其中，所述参数基准区间包括振动参数基准区间、温度参数基准区间和电流参数基准区间，所述振动参数基准区间是基于所述振动数据计算的均值加减标准差的范围，所述温度参数基准区间是基于所述温度数据计算的均值加减标准差的范围，所述电流参数基准区间是基于所述电流数据计算的均值加减标准差的范围； S4.基于所述三层预测模型的预测结果建立分级预警机制，当所述边缘层检测到所述参数基准区间异常时触发一级预警，当所述中台层检测到所述运行数据异常趋势时触发二级预警，当所述云端层预测到运行风险时触发三级预警； S5.根据所述分级预警机制的预警结果进行响应处理，所述一级预警触发时向设备控制系统发送设备停止运行指令并向运维人员推送紧急告警信息，所述二级预警触发时生成设备巡检任务并调整设备维护计划，所述三级预警触发时云端层基于预测数据生成设备运维分析报告； 所述S3边缘层的轻量级阈值规则模型基于所述运行数据进行参数基准区间计算与异常检测具体包括： 采用基于时间序列的滑动窗口对所述运行数据进行动态监测，其中所述滑动窗口在时间轴上按照预设步长移动并计算所述滑动窗口内的均值和标准差，当检测到参数超出所述参数基准区间时，进行参数关联分析； 所述参数关联分析包括在所述滑动窗口内统计所述振动数据、所述温度数据和所述电流数据超出所述参数基准区间的频次，生成参数异常关联矩阵，当某一参数超出所述参数基准区间时，检查所述参数异常关联矩阵中对应的其他参数是否同时出现异常，若确认异常则触发所述S4中的预警机制； 在所述参数异常关联矩阵未确认异常的时间段内，定期将所述滑动窗口的统计值加入历史数据重新计算所述参数基准区间； 所述S3中台层的XGBoost模型对所述运行数据进行特征分析与趋势预测具体包括： 对所述运行数据中的所述振动数据、所述温度数据和所述电流数据分别构建特征矩阵，其中对所述振动数据进行傅里叶变换获取所述振动数据的频谱分布矩阵，对所述温度数据计算所述温度数据的均值和标准差构建所述温度数据的统计特征矩阵，对所述电流数据计算所述电流数据的有效值构建所述电流数据的负载特征矩阵； 通过对齐所述频谱分布矩阵、所述统计特征矩阵和所述负载特征矩阵的时间戳形成所述运行数据的综合特征矩阵，所述XGBoost模型通过迭代计算确定所述综合特征矩阵中各维度特征的分裂增益，生成特征权重系数； 所述XGBoost模型基于所述综合特征矩阵及所述特征权重系数生成设备状态预测值，当所述设备状态预测值超出所述参数基准区间且满足预设准确率条件时，触发所述S4中的预警机制； 所述XGBoost模型设置性能评估周期，在所述评估周期内统计预测准确率，当所述预测准确率低于预设阈值时，利用新增的所述运行数据进行增量训练，更新所述特征权重系数。

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广州汇通国信科技有限公司，其通讯地址为：510000 广东省广州市黄埔区开源大道11号B9栋601室自编6310房；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。